Python x IoT

学习目标

掌握 Unihiker/Raspberry Pi、Linux 和 Python 的基础知识，以构建自定义应用程式。
了解如何连接和控制硬体元件以作互动
了解并应用物联网协议来创建智慧家居系统。

课程大纲

Python 及编程基础 (IoT) | 设定 Visual Studio Code 及 Python，复习整个 Python 语法集（变数、数据类型、运算符、条件句、列表、for 回圈、函数、类别/物件、函式库），练习良好的编码风格，完成一个数字 Mastermind 练习，并处理列表、字典及 JSON 数据。

Raspberry Pi 基础 | 什么是 Raspberry Pi，从 Visual Studio Code 透过 SSH 连接它，Linux 指令及路径，虚拟环境及 pip，组装面包板硬件，然后使用 gpiozero 编写首个程式来驱动 Grove 双按钮及 LED 模组，最后完成一个电灯开关练习。

GPIO 及硬件控制 | 输入与输出装置以及 I2C 总线；读取 TSL2561 光线感测器，透过 PWM 驱动扬声器/蜂鸣器，定位 SG90 伺服马达，并透过 OpenCV 从网络摄录机撷取相片，透过自动照明系统、播放音符及按下拍摄练习进行。

Python 及 IoT 基础 | 什么是 IoT，封包、IP 地址及路由器；使用 Python requests 模组及 JSON 进行 HTTP 请求/回应，使用 data.gov.hk 进行天气报告及下一班列车挑战；建立简单的 Flask 网络应用程式，透过 HTTP 从一部 Pi 触发另一部 Pi，将 Pi 用作数据中心，并将数据推送到 ThingSpeak 云端。

GPIO 及硬件控制 - 2 | 加入 AHT20 温湿度感测器、四位字母数字显示器及手势感测器；将感测器数据记录到 ThingSpeak，并建立结合这三个装置的定时「智能报告」。

AIoT - 分类（电脑视觉简介） | 什么是 AIoT 及电脑视觉；在 Pi 上执行 MediaPipe，使用 Google Teachable Machine 收集数据，并使用迁移学习在 Google Colab 中重新训练图像分类模型，包含一个「专注或不专注」练习。

AIoT - 物件侦测 | 在 VGG Image Annotator 中标注自己的图像，汇出 COCO 标注，在 Google Colab 中训练并测试自订的 MediaPipe 物件侦测模型，包含一个面部计数挑战。

先修课程

Python 基础课程或同等学历

软体需求

Visual Studio Code
Python 3.10 或更高版本

其他要求

硬体需求

已更新浏览器的笔记型电脑/桌上型机
硬体套装：
- Raspberry Pi 5
- 面包板和杜邦线
- 传感器：
  - LED
  - AHT20
  - 按钮
  - 光感测器
  - 伺服马达
  - 红外感测器
  - 超声波感测器
  - 马达
  - 灯带
  - 网路摄像头
  - …
路由器（全班只需要一个）