Logo ÉTS
Session
Cours
Responsable(s) Tony Wong

Se connecter
 

Sauvegarde réussie
Echec de sauvegarde
Avertissement





Cours

Cours Sujets traités Heures

(1)

7 jan.

 Objets connectés
  • Concepts;
  • Techniques.

Présentation et démonstration du projet à réaliser

 3

(2)

14 jan.

 Modules μContrôleur
  • Matétiel d'Arduino;
  • IDE d'Arduino.

Capteurs

  • Température et humidité;
  • Niveau sonore;
  • Tension à CC;
  • Images. 
 3

(3)

21 jan.

 Conception OO sous Arduino (I)
  • Classes et objets;
  • Programmation embarquée;
  • Développeurs versus utilisateurs;
  • Étapes de conception.
 3

(4)

28 jan.

 Conception OO sous Arduino (II)
  • Design selon le point de vue développeur;
  • Conception utilisant le sous-système ADC;
  • Conception utilisant le capteur de niveau sonore.
 3

(5)

04 fév.

 Réalisation de l'environnement du coordonnateur
  • Survol de Raspberry Pi;
  • Installation du Raspbian;
  • Accès au Pi par le laptop.
 3

(6)

11 fév.

 Développement de programmes Python sur Pi
  • Langage Python;
  • IDLE;
  • Déboggage.

Développement à l'aide de Visual Studio Code

 

 3

(7)

18 fév.

 Communication I2C (Inter-Integrated Circuit)
  • Principe et techniques;
  • Côté Arduino;
  • Côté Pi.
 3

(8)

25 fév.

 Style REST (REpresentational State Transfer)
  • Point de vue de l'utilisateur;
  • Contraintes;
  • Programmation.

Services infonuatiques ThingSpeak

 

 3

 (9)

04 mars

 Techniques d'objets connectés pour le déploiement
  • Exécution au démarrage;
  • Sleep mode et Watchdog;
  • Exécution périodique;
  • Fils d'exécution.
   3

(10)

11 mars

 Analyse des signaux temporels
  • Processus stationnaire  et hypothèse d'ergodicité;
  • Autocorrélation et corrélation croisée;
  • Modèles AR, MA, ARMA et ARIMA;
  • Méthodes classiques de prévision.
 3

(11)

18 mars

 Apprentissage automatique pour signaux temporels (I)
  • Étapes d'application;
  • Mesures de performance;
  • Prédiction de séquences.

Anaconda pour l'apprentissage automatique

 

 3

(12)

25 mars

 Apprentissage automatique pour signaux temporels (II)
  • Algorithmes LSTM (Long Short Term Memory);
  • Limitations des LSTM;
  • NumPy et Keras.
 3

(13)

01 avr.

 Apprentissage automatique pour signaux temporels (III)
  • LSTM;
  • Stacked LSTM;
  • CNN LSTM;
  • Encoder-Decoder LSTM.

Révision pour l'examen final

 

 3
  Total 39
 

Laboratoires et travaux pratiques

Durant les séances de laboratoire, les étudians doivent oeuvrer, au sein d’une équipe, dans un projet de conception, realisation et implantation intégrant modules d’acquisition des signaux, microcontrôleur Arduino, système Raspberry PI et services infonuagiques ThinkSpeak. Ils doivent appliquer et comparer des méthodes prédictives dans le traitement des données en langage Python.

Utilisation d'outils d'ingénierie

  • Cartes Arduino et Raspberry Pi;
  • Storage SD et Caméra numérique;
  • Capteurs analogiques et numériques;
  • C/C++, Python 3, Visual Studio Code.