Začiatky dátovej vedy, Iot a AI na jednodoskových počítačoch: Základné zručnosti a reálne aplikácie s BBC Micro: Bit a Xinabox

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.

Pôvodný názov:

Beginning Data Science, Iot, and AI on Single Board Computers: Core Skills and Real-World Application with the BBC Micro: Bit and Xinabox

Obsah knihy:

Kapitola 1: Úvod do dátovej vedy v triedeCieľ kapitoly: Po prečítaní tejto kapitoly čitatelia pochopia význam merania - budú schopní zmerať teplotu vzduchu pomocou teplomera a pochopia, ako funguje. Predstavíme si niekoľko základných pojmov dátovej vedy a spôsob ich použitia pri zostavovaní experimentu. Budeme sa zaoberať základnými zručnosťami, ako zbierať a tabuľkovo spracovať údaje, a podnikneme niekoľko analýz našich výsledkov. Čitateľ získa prehľad o ucelenom a zmysluplnom príklade aplikovanej dátovej vedy a bude pripravený na hlbšie skúmanie.

⬤ Dáta sú všade: Prečo meriame veci a čo vôbec znamená "meranie vecí"? Ako to súvisí s dátovou vedou?

⬤ Používanie teploty: Ako sa teplota využíva vo svete?

⬤ Meranie teploty: Čo robí teplomer a ako funguje?

⬤ Navrhovanie experimentu: Začneme navrhovať experiment s použitím našich teplomerov na meranie teploty na rôznych miestach. Pozrieme sa na faktory, ktoré by mohli mať negatívny vplyv na náš experiment, a budeme sa snažiť ich kontrolovať. Pozrieme sa na dôležitosť validity a reliability.

⬤ Zachytávanie údajov: Pred začatím nášho experimentu oboznámime čitateľa s pojmom zachytávanie údajov - zaznamenávanie (tabelovanie) údajov.

⬤ Experimentovanie s teplotou: V tejto časti načrtneme činnosť v triede (experiment) na zber a analýzu údajov. Predstavíme pojem experimentálny dizajn a uvidíme, ako môže pomôcť riešiť otázky spoľahlivosti a platnosti.

⬤ Analýza našich výsledkov: Predstavíme pojem "skúmanie" údajov vymenovaním série otázok, na ktoré by súbor údajov mohol poskytnúť náhľad. V niektorej z ďalších kapitol sa budeme zaoberať sofistikovanejšou analýzou, teraz si ukážeme, ako z práve zozbieraných údajov získať určitý význam/poznatky.

⬤ Zhrnutie: Zhŕňa všetky nové pojmy zavedené v tejto kapitole a pripravuje pôdu pre ďalšiu kapitolu.

Kapitola 2: Data Science Goes DigitalCieľ kapitoly: Po prečítaní tejto kapitoly čitatelia pochopia, prečo existuje tendencia "digitalizácie" a čo znamená čítať údaje digitálne. Predstavíme technológie a kódovanie na replikovanie nášho experimentu a začneme skúmať spôsoby, ktorými môže digitálny prístup rozšíriť naše schopnosti a potenciál ako dátových vedcov. Na meranie teploty použijeme BBC micro: bit (alebo akékoľvek podobné zariadenie), pričom sa budeme zaoberať naším experimentálnym návrhom a možnosťami jeho zlepšenia. Na konci kapitoly určíme druh hardvéru, ktorý potrebujeme v našej súprave nástrojov dátovej vedy.

⬤  Tvorba digitálnych dát: Prečo je všetko digitálne? Aké sú typy teplomerov? Vysvetlite o digitálnych teplomeroch a ukážte, čím sa líšia od analógových. Ako môže zavedenie digitálneho merania zlepšiť náš teplotný experiment z kapitoly 1.

⬤ Použitie mikroprocesora na digitálne meranie teploty: Budeme používať mikro: bit - stručný úvod do mikroprocesora vrátane snímačov, ktoré sa dajú použiť na meranie vecí spôsobujúcich GW (len snímač teploty okolia).

⬤ Použitie BBC micro:bit ako teplomeru: Programovanie micro: bitu na snímanie teploty vzduchu v triede. Na programovanie použite program MakeCode (alebo MicroPython).

⬤ Analógové a digitálne teplomery: Čítanie teploty súčasne z micro: bitu a teplomera. Diskutujte o rozdieloch medzi jednotlivými metódami. Najmä ťažkosti pri manuálnom čítaní, potreba čítať dve veci v rovnakom čase (teplomer alebo micro: bit a hodiny).

⬤ Ohraničenia micro: bitu ako samostatného nástroja: Videli sme niektoré obmedzenia mikrobitu. Sám o sebe nám poskytuje príliš málo nástrojov. Čo sú to -ony a ako sa používajú prídavné moduly s mikroprocesormi a čo o.