Hands-On Edge Analytics with Azure IoT: Design and develop IoT applications with edge analytical solutions including Azure IoT Edge

طراحی، ایمن و محافظت از حریم خصوصی برنامه‌های تجزیه و تحلیل لبه با استفاده از پلتفرم‌ها و ابزارهایی مانند Microsoft's Azure IoT Edge، MicroPython و Open Source Computer Vision (OpenCV)

ویژگی های کلیدی

• با بهترین شیوه ها برای پیاده سازی محاسبات تحلیلی خودکار آشنا شوید
• نمونه های دنیای واقعی را برای گسترش هوش ابری کشف کنید
• مهارت های خود را توسعه دهید با درک تجزیه و تحلیل لبه و استفاده از آن در فعالیت های تحقیقاتی

توضیحات کتاب

تحلیل لبه با افزایش محبوبیت مدل اینترنت اشیا برای دستگاه های متصل مورد توجه قرار گرفته است. این راهنما به شما بینشی در مورد تجزیه و تحلیل لبه به عنوان یک مدل تجزیه و تحلیل داده می دهد و به شما کمک می کند تا درک کنید که چرا آن شتاب به دست می آورد.

شما با مفاهیم و مؤلفه های کلیدی مورد استفاده در یک برنامه تجزیه و تحلیل لبه شروع خواهید کرد. با حرکت رو به جلو، به پروتکل های ارتباطی می پردازید تا بفهمید حسگرها چگونه داده های خود را به رایانه ها یا میکروکنترلرها ارسال می کنند. در مرحله بعد، این کتاب نحوه طراحی اپلیکیشن‌های تحلیل لبه مدرن را نشان می‌دهد که از قدرت پردازش کامپیوترهای تک برد مدرن و میکروکنترلرها بهره می‌برند. بعداً، Microsoft Azure IoT Edge، MicroPython و کتابخانه تشخیص بصری OpenCV را کاوش خواهید کرد. با پیشرفت، تکنیک های پردازش عملکردهای هوش مصنوعی از سمت سرور تا بخش حسی اینترنت اشیا را پوشش خواهید داد. شما حتی با طراحی یک سیستم زنگ درب هوشمند با استفاده از فناوری هایی که آموخته اید، به صورت عملی عمل خواهید کرد. برای حذف آسیب‌پذیری‌ها در معماری کلی تحلیل لبه، راه‌هایی را برای غلبه بر چالش‌های امنیتی و حریم خصوصی کشف خواهید کرد. در نهایت، از ابزارهایی برای ممیزی و نظارت بر زمان واقعی داده های دریافتی و ایجاد هشدار برای زیرساخت استفاده خواهید کرد.

در پایان این کتاب، نحوه استفاده از تکنیک های برنامه نویسی تجزیه و تحلیل لبه و قادر به پیاده سازی محاسبات تحلیلی خودکار را خواهید آموخت.

آنچه خواهید آموخت

• مفاهیم و معماری‌های کلیدی مورد استفاده در تجزیه و تحلیل لبه‌ها را کشف کنید
• آشنایی با نحوه استفاده از پروتکل‌های ارتباطی از راه دور برای تجزیه و تحلیل لبه‌ها
• استقرار Microsoft Azure IoT Edge در Raspberry Pi
• ایجاد داشبورد Node-RED با MQTT و Text to Speech (TTS)
• از MicroPython برای توسعه برنامه های تجزیه و تحلیل لبه استفاده کنید
• تکنیک های مختلف یادگیری ماشین را کاوش کنید و کشف کنید چگونه یادگیری ماشین با تجزیه و تحلیل لبه مرتبط است
• از الگوریتم های تشخیص دوربین و دید در قسمت حسی برای طراحی یک برنامه تجزیه و تحلیل لبه استفاده کنید
• برنامه های تجزیه و تحلیل لبه را نظارت و بررسی کنید
</ ul>

این کتاب برای چه کسی است

اگر شما یک تحلیلگر داده، معمار داده، یا دانشمند داده هستید که علاقه مند به یادگیری و تمرین محاسبات تحلیلی خودکار پیشرفته هستید، پس این کتاب برای شما مناسب است. همچنین اگر به دنبال یادگیری تجزیه و تحلیل لبه از ابتدا هستید، این کتاب برای شما مفید خواهد بود. فرض بر این است که دانش اولیه مفاهیم تجزیه و تحلیل داده ها برای استفاده حداکثری از این کتاب است.

فهرست مطالب

1. مقدمه ای بر Edge Analytics
2. چگونه می شود تجزیه و تحلیل IoT Edge کار می کند؟
3. پروتکل های ارتباطی مورد استفاده در Edge Analytics
4. کار با Microsoft Azure IoT Edge
5. استفاده از Raspberry Pi با Azure IoT Edge
6. استفاده از MicroPython برای Edge Analytics
7. Machine Learning and Edge Analytics
8. طراحی زنگ در هوشمند با استفاده از تشخیص بصری
9. امنیت و حریم خصوصی در دنیای Edge Analytics< /li>
10. بعد چی؟

Design, secure, and protect the privacy of edge analytics applications using platforms and tools such as Microsoft's Azure IoT Edge, MicroPython, and Open Source Computer Vision (OpenCV)

Key Features

• Become well-versed with best practices for implementing automated analytical computations
• Discover real-world examples to extend cloud intelligence
• Develop your skills by understanding edge analytics and applying it to research activities

Book Description

Edge analytics has gained attention as the IoT model for connected devices rises in popularity. This guide will give you insights into edge analytics as a data analysis model, and help you understand why it's gaining momentum.

You'll begin with the key concepts and components used in an edge analytics app. Moving ahead, you'll delve into communication protocols to understand how sensors send their data to computers or microcontrollers. Next, the book will demonstrate how to design modern edge analytics apps that take advantage of the processing power of modern single-board computers and microcontrollers. Later, you'll explore Microsoft Azure IoT Edge, MicroPython, and the OpenCV visual recognition library. As you progress, you'll cover techniques for processing AI functionalities from the server side to the sensory side of IoT. You'll even get hands-on with designing a smart doorbell system using the technologies you've learned. To remove vulnerabilities in the overall edge analytics architecture, you'll discover ways to overcome security and privacy challenges. Finally, you'll use tools to audit and perform real-time monitoring of incoming data and generate alerts for the infrastructure.

By the end of this book, you'll have learned how to use edge analytics programming techniques and be able to implement automated analytical computations.

What you will learn

• Discover the key concepts and architectures used with edge analytics
• Understand how to use long-distance communication protocols for edge analytics
• Deploy Microsoft Azure IoT Edge to a Raspberry Pi
• Create Node-RED dashboards with MQTT and Text to Speech (TTS)
• Use MicroPython for developing edge analytics apps
• Explore various machine learning techniques and discover how machine learning is related to edge analytics
• Use camera and vision recognition algorithms on the sensory side to design an edge analytics app
• Monitor and audit edge analytics apps

Who this book is for

If you are a data analyst, data architect, or data scientist who is interested in learning and practicing advanced automated analytical computations, then this book is for you. You will also find this book useful if you're looking to learn edge analytics from scratch. Basic knowledge of data analytics concepts is assumed to get the most out of this book.

Table of Contents

1. Introduction to Edge Analytics
2. How Does IoT Edge Analytics Work?
3. Communications Protocols used in Edge Analytics
4. Working with Microsoft Azure IoT Edge
5. Using the Raspberry Pi with Azure IoT Edge
6. Using MicroPython for Edge Analytics
7. Machine Learning and Edge Analytics
8. Designing a Smart Doorbell Using Visual Recognition
9. Security and Privacy in an Edge Analytics World
10. What Next?