物聯網應用設計與實戰：基於AVR單片機和Python（簡體書）

本書是物聯網設備設計製作以及實踐操作指南，基於通用性很高的AVR單片機和初學者容易入門的Python編程語言，以實例為中心，以大數據統計分析、人工智能技術中應用、無人駕駛研發過程為典型事例，闡述了物聯網設備的設計到運行。

譯者序
前言
第1章 物聯網設備設計的開發環境 1
1.1 因特網資源的檢索法 4
1.2 用虛擬機VMware Player 安裝客操作系統（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上無用文件的刪除 21
1.3.2 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 物聯網設備的硬件和接口 35
2.1 構成物聯網設備的AVR單片機 36
2.2 構成物聯網設備的傳感器和驅動部件 43
2.2.1 i2c接口的氣壓傳感器（BMP180） 43
2.2.2 SPI接口的FlashAir SD卡 57
2.2.3 Wi-Fi串口模塊（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件 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程序 98
第4章 Python的設置與機器學習 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上設置Python 103
4.1.3 在Raspberry Pi2 上設置Python 103
4.1.4 Raspberry Pi2連接i2c傳感器 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 神經網絡深度學習 136
第5章 使用Python進行圖像處理 142
5.1 使用OpenCV的基礎程序 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在智能手機中活用SL4A 176
7.1 安裝SL4A 176
7.2 Weather-station 180
第8章 三種平臺（Windows、Android、Raspberry Pi2）上的語音識別 184
8.1 Windows平臺上的語音識別 184
8.2 安卓平臺上的語音識別 187
8.3 Raspberry Pi2平臺上的語音識別 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