A junção das áreas de Machine Learning em ambiente embarcado/IoT tem crescido bastante, sendo atualmente chamada de TinyML. Já temos modelos robustos e pequenos o suficientes para rodar até mesmo em micro controladores com 16kb de memória. Nessa palestra vou mostrar as diferentes formas de se trazer modelos de Machine Learning para ambiente embarcado usando o ecossistema do Tensorflow.
Continuando com o projeto do Dota, depois da interface com o Google Assistant, vamos construir uma API de recomendação de heróis de acordo com os que forem escolhidos por cada time. Vamos usar a linguagem Go, o Web Framework Fiber e fazer o deploy no Google Cloud.
Vamos montar juntos uma versão do Streamdeck, muito usado por streamers para acionar atalhos ao vivo de forma mais fácil. Mas vamos fazer do zero usando impressão 3D, botões de arcade e um ESP32 para comunicar via bluetooth com o computador.
Nesse segundo video da serie de integração com APIs de automação residencial, vamos escolher o broker MQTT a ser utilizado, configurar autenticação dos dispositivos e salvar os dados que são enviados através do Broker. ⭐️ Link para o repositório no Github https://github.com/alvarowolfx/smart-home-mqtt 📖 Documentação de tecnologias utilizadas Instalar Docker: https://docs.docker.com/install/ Docker Compose: https://docs.docker.com/compose/ Mosquitto : https://mosquitto.org/ VerneMQ: https://docs.vernemq.com MongoDB : https://docs.mongodb.com
Nessa nova série vamos construir juntos uma integração com APIs de automação residencial complete com os grandes provedores de assistentes de voz, como Google Assistant e Alexa, como também com a plataforma Smart Things. ⭐️ Link para o repositório no Github https://github.com/alvarowolfx/smart-home-mqtt 📖 Documentação de APIs de automação residencial Google Smart Home SDK: https://developers.google.com/assistant/smarthome/overview Alexa Smart Home: https://developer.amazon.com/docs/alexa/smarthome/understand-the-smart-home-skill-api.html Samsung Smart Things: https://smartthings.developer.samsung.com/
Uma visão geral do que é necessário na grande maioria dos projetos de IoT e ninguém conta. Definindo em 5 partes os componentes do projeto: * Coisa * Conectividade e Comunicação * Backend * Frontend * Analise de dados Links: Talk minha sobre GPIO em Linux e Golang : https://www.infoq.com/br/presentations/explorando-o-cross-compiling-do-golang-para-ambiente-embarcado/
End to end solution to track tank level using cloud computing without having to worry too much with managing infrastructure. This is a 3 part tutorial on how to create a farm tank monitoring solution on Google Cloud. Part 1 — Build a Rest API using Cloud Run and Django Rest Framework Part 2 — MicroPython device to collect tanks data Part 3 — Visualizing data using BigQuery Federated Queries and Data Studio For this tutorial we’re going to be using Django Rest Framework as our base for the project....
End to end solution to track tank level using cloud computing without having to worry too much with managing infrastructure. This is a 3 part tutorial on how to create a farm tank monitoring solution on Google Cloud. Part 1 — Build a Rest API using Cloud Run and Django Rest Framework Part 2 — MicroPython device to collect tanks data Part 3 — Visualizing data using BigQuery Federated Queries and Data Studio In this part of this series of tutorials, I’ll go through the steps to build an IoT device to collect level data using fairly cheap WiFi devices and a ultrasonic sensor using MicroPython....
Novidades sobre o mundo de IoT toda semana. Links dessa semana: 🗼 Transmissor de Radio a Laser Artigo: https://blog.hackster.io/harvard-researchers-construct-the-first-successful-laser-radio-transmitter-db3466d18c8b 🙌🏼 Parceria Docker e ARM Artigo: https://www.arm.com/company/news/2019/04/docker-and-arm-partnership Servidores ARM na AWS: https://aws.amazon.com/pt/ec2/instance-types/a1/ Servidores ARM na Scaleway: https://www.scaleway.com/en/arm-instances/ 🐛 Como escrever código que exploram vulnerabilidades em Linux com processadores ARM Artigo: https://medium.com/syscall59/shellcode-for-iot-a-password-protected-reverse-shell-linux-arm-a18fcda4853b 🚀 Plaquinhas novas da Onion Omega Crowdfunding: https://www.crowdsupply.com/onion/omega2-lte Artigo: https://blog.hackster.io/the-onion-omega2-lte-brings-4g-connectivity-and-gnss-global-positioning-9bd47643eba0 ⌚️ EpiWear - Vestível para aplicação de Adrenalina, para pessoas com alergias graves Artigo: https://blog.hackster.io/this-folding-device-makes-epipens-wearable-7e81e6eba386 🤖 Contador de inscritos no Youtube com displays eletromecânicas Artigo: https://hackaday.com/2019/04/28/electromechanical-youtube-sub-counter-trades-clicks-for-clacks/ 📷 Scanner de objetos 3D feito com Arduino e impressão 3D Artigo: https://blog.arduino.cc/2019/04/25/scan-objects-in-3d-with-this-arduino-controlled-photogrammetry-rig/ 🤖 Projeto da Semana - GPS Sem Satélites Artigo: https://blog.hackster.io/aweigh-provides-geolocation-without-the-use-of-satellites-or-the-internet-68e7fd5d5f75 Projeto: https://www.aweigh.io/
Passo a passo de como foi desenvolvido o projeto que mostra estatísticas de um canal do Youtube, feio com ESP32, MicroPython e a API do Youtube. 🐍 Repositório no Github com mais detalhes https://github.com/alvarowolfx/esp32-youtube-display ⭐️ Links relacionados ao MicroPython MicroPython: https://micropython.org/ ESPTool : https://github.com/espressif/esptool AMPy : https://github.com/pycampers/ampy Jupyter Notebook e tutorial que segui : https://towardsdatascience.com/micropython-on-esp-using-jupyter-6f366ff5ed9 Kernel MicroPython : https://github.com/goatchurchprime/jupyter_micropython_kernel.git Biblioteca para display : https://github.com/adafruit/micropython-adafruit-rgb-display 📹 Documentação de API do Youtube Documentação: https://developers.google.com/youtube/v3/docs/ Console de Desenvolvedor : https://console.developers.google.com/