Szkolenie: Python - IoT i AIoT (Internet of Things oraz Artificial Intelligence of Things)
Szkolenie Python IoT i AIoT to praktyczny kurs programowania urządzeń Internetu Rzeczy w języku Python, obejmujący obsługę sensorów i aktuatorów, protokoły komunikacyjne (MQTT, HTTP), przetwarzanie danych na krawędzi sieci (edge computing), wdrażanie modeli AI bezpośrednio na urządzeniach, integrację z platformami chmurowymi oraz testowanie aplikacji wbudowanych
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:3 dni (24h)
Kod kursu:PYTHON/AIOT
Dostępne terminy szkolenia
Termin:
Trwają zapisy na szkolenie
Dostępne w Bazie Usług RozwojowychTrener:
Cena:
3550 PLN netto
Lokalizacja:
ZdalnePython - IoT i AIoT (Internet of Things oraz Artificial Intelligence of Things)
Cele szkolenia
Szkolenie przygotowuje do samodzielnego programowania urządzeń IoT w Pythonie z wykorzystaniem Raspberry Pi, MicroPython oraz praktycznych projektów IoT
Szkolenie uczy implementowania komunikacji między urządzeniami IoT z użyciem protokołów MQTT i HTTP/REST oraz budowy skalowalnych systemów Internet of Things
Szkolenie omawia praktyczne aspekty odczytu danych z sensorów, sterowania aktuatorami oraz przetwarzania strumieni danych w czasie rzeczywistym w architekturze edge computing
Szkolenie przygotowuje do wdrażania modeli AI na urządzeniach brzegowych w podejściu AIoT, w tym wykorzystania TensorFlow Lite i TinyML
Szkolenie rozwija umiejętność integracji rozwiązań IoT z platformami chmurowymi AWS IoT Core i Azure IoT Hub oraz narzędziami do analizy danych jak Grafana i InfluxDB
Szkolenie przygotowuje do projektowania bezpiecznych, skalowalnych architektur IoT i AIoT z uwzględnieniem szyfrowania TLS, autoryzacji oraz testowania aplikacji embedded
Dla kogo?
Programistów Python z doświadczeniem, chcących rozwijać kompetencje w zakresie systemów wbudowanych i Internetu Rzeczy
Inżynierów oprogramowania i specjalistów IoT odpowiedzialnych za projektowanie i wdrażanie rozwiązań dla urządzeń połączonych
Osób realizujących projekty w obszarze automatyki, przemysłowego IoT (IIoT), inteligentnych budynków lub urządzeń brzegowych
Osób zainteresowanych tematem AIoT (Artificial Intelligence of Things) i uruchamiania modeli AI na krawędzi sieci (edge AI, TinyML)
Efekty kształcenia
Uczestnik programuje urządzenia IoT w Pythonie z użyciem Raspberry Pi, MicroPython oraz bibliotek do obsługi GPIO i sensorów
Uczestnik implementuje i konfiguruje protokoły komunikacyjne MQTT oraz HTTP/REST w systemach IoT i integracjach chmurowych
Uczestnik odczytuje dane z sensorów (temperatura, wilgotność, ruch, światło) i steruje aktuatorami w projektach Internet of Things
Uczestnik wdraża modele AI na urządzeniach brzegowych z wykorzystaniem AIoT, TensorFlow Lite oraz narzędzi edge AI
Uczestnik integruje urządzenia IoT z platformami chmurowymi AWS i Azure oraz narzędziami do wizualizacji danych jak Grafana
Uczestnik projektuje i wdraża rozwiązania AIoT z zachowaniem zasad bezpieczeństwa transmisji danych, szyfrowania TLS oraz dobrych praktyk testowania systemów IoT
Wymagania
Umiejętność wytwarzania oprogramowania w języku Python na poziomie średniozaawansowanym
Znajomość obiektowego paradygmatu programowania
Podstawowa wiedza na temat sieci komputerowych (TCP/IP, HTTP)
Umiejętność korzystania z konsoli systemu operacyjnego Linux
Podstawowa znajomość zagadnień uczenia maszynowego (klasyfikacja, regresja) będzie pomocna przy modułach AIoT
Podstawowa znajomość elektryki i elektroniki nie jest wymagana, ale będzie pomocna
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program szkolenia
Wprowadzenie do Internetu Rzeczy
Architektura systemów IoT: urządzenia, brama (gateway), chmura
Wprowadzenie do platform sprzętowych: Raspberry Pi, Arduino, ESP32, MicroPython, CircuitPython
Przegląd protokołów i standardów komunikacyjnych
Środowisko deweloperskie: konfiguracja, SSH, REPL
GPIO i obsługa sprzętu w Pythonie
Biblioteka RPi.GPIO i gpiozero
Odczyt sygnałów cyfrowych i analogowych
Sterowanie aktuatorami: LED, przekaźniki, serwomechanizmy, silniki DC
Obsługa przerwań (interrupt-driven programming)
Sensory i protokoły magistrali
Protokół I2C: konfiguracja i odczyt danych
Protokół SPI: konfiguracja i komunikacja z peryferiami
Protokół 1-Wire: czujniki temperatury DS18B20
Sensory: temperatura i wilgotność (DHT22, BME280), czujniki ruchu PIR, światła, odległości
Kalibracja i filtrowanie danych pomiarowych
Komunikacja sieciowa w IoT
Protokół MQTT: architektura broker-klient, QoS, retencja wiadomości
HTTP/REST API jako interfejs urządzenia IoT (FastAPI)
WebSocket i komunikacja dwukierunkowa w czasie rzeczywistym
Serializacja i formaty danych
JSON i MessagePack w komunikacji IoT
Protokoły binarne: Protocol Buffers
Walidacja danych i obsługa błędów transmisji
Kompresja danych i optymalizacja przepustowości
Przetwarzanie danych na krawędzi sieci (Edge Computing)
Koncepcja edge vs. cloud computing
Filtrowanie i agregacja danych lokalnie
Harmonogramowanie zadań: APScheduler, systemd timers
Kolejkowanie i buforowanie danych: Redis, SQLite
Wyzwalacze oparte na zdarzeniach i progach alarmowych
Integracja z platformami chmurowymi
AWS IoT Core: rejestracja urządzenia, certyfikaty, polityki
Azure IoT Hub: połączenie urządzenia, Device Twin, Direct Methods
Mosquitto jako lokalny broker MQTT
InfluxDB i Prometheus do przechowywania szeregów czasowych
Grafana: wizualizacja danych z urządzeń IoT
Testowanie aplikacji IoT
Specyfika testowania kodu urządzeń wbudowanych
Mockowanie sprzętu: GPIO, czujników i interfejsów sieciowych
Testy jednostkowe modułów IoT
Testy integracyjne: symulacja brokera MQTT (hbmqtt, pytest-mqtt)
Testowanie asynchronicznego kodu IoT z asyncio
Bezpieczeństwo w systemach IoT
Szyfrowanie TLS/SSL w komunikacji MQTT i HTTP
Zarządzanie certyfikatami i kluczami
Uwierzytelnianie urządzeń i autoryzacja dostępu
Typowe podatności urządzeń IoT i metody mitygacji
AIoT — sztuczna inteligencja na urządzeniach brzegowych
Koncepcja AIoT: łączenie IoT z AI/ML na krawędzi sieci
Porównanie: inferecja lokalna vs. wysyłanie danych do chmury
Opcjonalnie:
TinyML: modele ML na mikrokontrolerach i urządzeniach o ograniczonych zasobach
TensorFlow Lite: konwersja i optymalizacja modeli (kwantyzacja, przycinanie)
ONNX Runtime na Raspberry Pi: inferecja modeli w Pythonie
Klasyfikacja danych sensorycznych: detekcja anomalii w szeregach czasowych
Wizja komputerowa na urządzeniu: OpenCV + picamera2, detekcja obiektów i ruchu
Przetwarzanie audio i rozpoznawanie słów kluczowych (keyword spotting)
Optymalizacja modeli pod kątem latencji i zużycia energii
Projekt końcowy
Projekt stacji AIoT: odczyt danych, lokalna inferencja modelu, przesył MQTT, wizualizacja w Grafanie
Code review i omówienie rozwiązań uczestników
Autorem szkolenia jest Matt Harasymczuk
Trener Sages od 2015 roku, z 10 000+ godzinami doświadczenia i 30 000+ przeszkolonych osób. Specjalizuje się w Pythonie, TDD, DevOps i CI/CD. Pracował m.in. w Allegro, COI, PAŻP i Europejskiej Agencji Kosmicznej. Prowadzi stronę www.python3.info i jest założycielem i prezesem dwóch firm Astrotech i Analog Astronaut Training Center. W wolnym czasie rozwija własny system operacyjny.
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
