Logo ÉTS
Session
Cours
Responsable(s) Tony Wong

Se connecter
 

Sauvegarde réussie
Echec de sauvegarde
Avertissement





Cours

Séance Sujets traités Heures

(1)

 Objets connectés
  • Mise en contexte;
  • Processus industriels et modèles;
  • Sécurité.

Présentation du projet à réaliser

 

 3

(2)

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

Capteurs

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

Extension Arduino pour Visual Studio Code

 

 3

(3)

 Conception OO sous Arduino (I)
  • Éléments de programmation embarquée;
  • Interruptions matérielles;
  • Étapes de conception.
 3

(4)

 Conception OO sous Arduino (II)
  • Gestion des interruptions;
  • Conception utilisant le sous-système ADC;
  • Conception utilisant le capteur de niveau sonore.
 3

(5)

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

(6)

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

Développement à l'aide de Visual Studio Code

 

 3

(7)

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

(8)

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

Services infonuatiques ThingSpeak

 

 3

 (9)

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

(10)

 Apprentissage automatique: outils et  techniques
  • Anaconda;
  • Keras et Tensorflow;
  • CPU et GPU;
  • RNN et LSTM.
 3

(11)

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

Anaconda pour l'apprentissage automatique

 

 3

(12)

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

(13)

 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 le montage électronique, modules d’acquisition des signaux, microcontrôleur Arduino, système Raspberry PI,  services infonuagiques ThinkSpeak et apprentissage automatique. 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;
  • Capteurs analogiques et numériques;
  • C/C++, Python 3, Visual Studio Code;
  • Algorithmes d'apprentissage automatique.