《物聯網套用設計與實戰：基於AVR單片機和Python》是2019年1月 機械工業出版社出版的圖書，作者是武藤佳恭（Yoshiyasu Takefuji）。
基本介紹
- 書名：物聯網套用設計與實戰：基於AVR單片機和Python
- 作者：武藤佳恭（Yoshiyasu Takefuji）
- 譯者：曹暘，曹其新
- 出版社： 機械工業出版社
- 出版時間：2019年1月1日
- 頁數：200 頁
- 定價：59 元
- 開本：16 開
- 裝幀：平裝
- ISBN：9787111612520
內容簡介,圖書目錄,
內容簡介
《物聯網套用設計與實戰：基於AVR單片機和Python》作為物聯網套用設計的實用入門書籍，並不需要讀者掌握複雜的電潤妹故酷路知識。在硬體方面使用通用性強且適合新手入門的AVR單片機，在編程方面使用適合初學者的Python。該書在物聯網設備上運行的Pvthon代碼的關鍵部分都配有註解，方便讀者掌握內部程地習巴序的運作原理，從而深入理解物聯網的相關概念。
該書的內容不僅涵蓋物聯網，還涉及了深度學習、機器學習、格鍵踏圖像處理以及雲存儲的實踐，幫助讀者在物聯網設備上實現這些熱門技朵店術，掌握如何在實踐中實現物聯網與這些技術的銜接。
《物聯網套用設計與實戰：基於AVR單片機和Python》鼓勵讀者使用開原始碼以及Github上的資源，快速運行相關的硬體和程式，獲得即時的學習反饋並保持學習的熱情。當完成書中的實踐項目後，相信讀者已經完成了作為一名物聯網工程師的入門洗禮，初步獲得了解決物聯網相關工程問題的能力。
圖書目錄
譯者序
前言
第1章 物聯網設備設計的開發環境 1
1.1 網際網路資源的檢索法 4
1.2 用虛擬機VMware Player 安裝客作業系統（Ubuntu） 8
1.3 在Ubuntu上構建Arduino的開發環境 18
1.3.1 報錯的基本處理方法以及Windows上無用檔案的刪除 21
1.3.2 歡茅牛Linux的更新和升級 22
1.3.3 Cygwin的安裝 25
1.3.4 Python庫的安裝 26
1.4 AVR寫入器的製作 28
1.5 使用AVR寫入器向AVR單片機寫入固件 30
第2章 物聯網設備的硬體察愉寒和接口 35
2.1 構成物聯網設備的AVR單片機 36
2.2 構成物聯網設備的感測器和驅動部件 43
2.2.1 i2c接口的氣壓感測器（BMP180） 43
2.2.2 SPI接口的FlashAir SD卡 57
2.2.3 Wi-Fi串口模組（ESP8266） 61
2.2.4 為物聯網設備設計印製電路板（PCBE） 68
第3章 構成物聯網設備的開源軟體 72
3.1 使用伺服庫控制伺服電機 73
3.2 使用Wire（i2c）庫控制LCD 76
3.3 使用Adafruit庫的自帶控制器的RGB LED（NeoPixel）控制 81
3.4 阻抗數字轉換器（AD5933） 83
3.5 Python開源的活用 93
3.5.1 定期客戶訪問系統 93
3.5.2 cron和crontab的設定 97
3.5.3 OAuth 2.0認證的gspread庫的comoauth 2.py程式 98
第4章 Python的設定與機器學習 100
4.1 Python的環境設定 100
4.1.1 在Windows上安裝Python 100
4.1.2 在Ubuntu上設定Python 103
4.1.3 在Raspberry Pi2 上道埋酷碑設定Python 103
4.1.4 Raspberry Pi2連線i2c感測器 107
4.2 scikit-learn 120
4.2.1 使用scikit-learn的文本學習 121
4.2.2 用馬爾可夫模型來挑戰《海螺小姐》的石頭剪刀布 124
4.3 使用statsmodels和scikit-learn進行多元回歸分析 127
4.3.1 使用statesmodels的OLS模型進行多元回歸分析 127
4.3.2 使用statesmodels的RLM模型進行多元回歸分析 131
4.3.3 使用scikit-learn的Lasso模型進行多元回歸分析 131
4.3.4 使用scikit-learn的AdaBoost和DecisionTree模型進行多元回歸分析 132
4.3.5 使用scikit-learn的RandomForest模型進行多元回歸分析 133
4.3.6 使用scikit-learn的其他集成學習模型進行多元回歸分析 135
4.4 神經網路深度學習 136
第5章 使用Python進行圖像處理 142
5.1 使用OpenCV的基礎程式 142
5.2 使用攝像頭進行可見光通信 145
5.3 數一數物體和人 147
5.4 挑戰解答數獨 149
5.5 分析不可思議的顏色 152
5.6 模板匹配 155
5.7 基於Bag of Features的圖片學習的分類器 157
第6章 Python的雲活用 162
6.1 freeDNS的活用 162
6.2 雲Dropbox的使用 164
6.3 雲Google drive的使用 166
6.3.1 訪問Google drive 166
6.3.2 Google drive的OAuth 2.0認證 168
6.3.3 為pydrive庫添加刪除功能 171
6.3.4 Google drive和pydrive的MIME類型的錯誤匹配 174
第7章 使用Python在智慧型手機中活用SL4A 176
7.1 安裝SL4A 176
7.2 Weather-station 180
第8章 三種平台（Windows、Android、Raspberry Pi2）上的語音識別 184
8.1 Windows平台上的語音識別 184
8.2 安卓平台上的語音識別 187
8.3 Raspberry Pi2平台上的語音識別 188
附錄A 用Python進行簡單的GUI開發 195
附錄B Sigfox（物聯網設備專用的LPWAN） 198
3.5.3 OAuth 2.0認證的gspread庫的comoauth 2.py程式 98
第4章 Python的設定與機器學習 100
4.1 Python的環境設定 100
4.1.1 在Windows上安裝Python 100
4.1.2 在Ubuntu上設定Python 103
4.1.3 在Raspberry Pi2 上設定Python 103
4.1.4 Raspberry Pi2連線i2c感測器 107
4.2 scikit-learn 120
4.2.1 使用scikit-learn的文本學習 121
4.2.2 用馬爾可夫模型來挑戰《海螺小姐》的石頭剪刀布 124
4.3 使用statsmodels和scikit-learn進行多元回歸分析 127
4.3.1 使用statesmodels的OLS模型進行多元回歸分析 127
4.3.2 使用statesmodels的RLM模型進行多元回歸分析 131
4.3.3 使用scikit-learn的Lasso模型進行多元回歸分析 131
4.3.4 使用scikit-learn的AdaBoost和DecisionTree模型進行多元回歸分析 132
4.3.5 使用scikit-learn的RandomForest模型進行多元回歸分析 133
4.3.6 使用scikit-learn的其他集成學習模型進行多元回歸分析 135
4.4 神經網路深度學習 136
第5章 使用Python進行圖像處理 142
5.1 使用OpenCV的基礎程式 142
5.2 使用攝像頭進行可見光通信 145
5.3 數一數物體和人 147
5.4 挑戰解答數獨 149
5.5 分析不可思議的顏色 152
5.6 模板匹配 155
5.7 基於Bag of Features的圖片學習的分類器 157
第6章 Python的雲活用 162
6.1 freeDNS的活用 162
6.2 雲Dropbox的使用 164
6.3 雲Google drive的使用 166
6.3.1 訪問Google drive 166
6.3.2 Google drive的OAuth 2.0認證 168
6.3.3 為pydrive庫添加刪除功能 171
6.3.4 Google drive和pydrive的MIME類型的錯誤匹配 174
第7章 使用Python在智慧型手機中活用SL4A 176
7.1 安裝SL4A 176
7.2 Weather-station 180
第8章 三種平台（Windows、Android、Raspberry Pi2）上的語音識別 184
8.1 Windows平台上的語音識別 184
8.2 安卓平台上的語音識別 187
8.3 Raspberry Pi2平台上的語音識別 188
附錄A 用Python進行簡單的GUI開發 195
附錄B Sigfox（物聯網設備專用的LPWAN） 198
