IoT e inteligência artificial: edge AI, TinyML, detecção de anomalias e agentes de IA que consomem e agem sobre fluxos de dados MQTT.
Aprenda a transformar fluxos de leituras de sensores MQTT em relatórios de turno legíveis e explicações de anomalias, calculando as estatísticas no código e deixando o LLM escrever apenas a narrativa.
Deixar um modelo de linguagem acionar equipamentos reais é um problema de controle, não de prompt. Aprenda a colocar entre a IA e seus dispositivos MQTT um gateway de comandos com listas de permissões, limites, confirmações e trilha de auditoria.
Uma introdução prática ao TensorFlow Lite for Microcontrollers: o modelo, o op resolver, a tensor arena e o interpretador explicados, um exemplo completo em uma placa ESP32-S3 e uma ponte serial-MQTT que funciona com qualquer placa.
Um olhar realista sobre onde a IA generativa ajuda no chão de fábrica, de resumos de turno a assistentes de diagnóstico, e como fundamentar cada resposta em dados de máquinas transmitidos ao vivo via MQTT.
Um guia prático para detectar anomalias em fluxos de sensores: quais métodos se encaixam em quais sinais, se devem rodar no dispositivo, na borda ou na nuvem e como o MQTT conecta detectores e alertas.
Um tutorial prático de previsão de séries temporais em IoT: capture dados de sensores do MQTT, reamostre-os, compare um modelo estatístico com um modelo de machine learning, faça um backtest honesto e publique as previsões de volta no broker.
Monte um pipeline de visão na borda em uma NVIDIA Jetson: rode detecção acelerada por GPU, publique resultados JSON compactos e a saúde do dispositivo via MQTT com TLS e execute tudo como um serviço que sobrevive a reinicializações.
O que é fusão de sensores, como os filtros complementar e de Kalman combinam sensores ruidosos, quando fazer a fusão na borda ou na nuvem e exemplos funcionais em ESP32 e Python que publicam valores fundidos via MQTT.
Uma comparação prática entre rodar modelos de IoT nos dispositivos ou na nuvem, com um checklist de decisão e uma arquitetura híbrida em que os resultados da borda fluem via MQTT para modelos na nuvem.
Como funciona a previsão de vida útil remanescente, quais famílias de modelos existem, que histórico de dados cada uma exige de ativos conectados via MQTT e como publicar estimativas de RUL com incerteza.
Rode um pequeno modelo de detecção de pessoas diretamente em uma ESP32-CAM, publique um índice de confiança e alertas com debounce via MQTT e mantenha as imagens no dispositivo, a menos que realmente precise delas.
Um tutorial completo que transmite dados simulados de sensores via MQTT, pontua cada leitura com estatísticas móveis em Python e publica eventos de anomalia com debounce em um topic de alertas.
Treine um Isolation Forest com dados históricos multivariados de sensores usando scikit-learn e depois carregue-o em um serviço Python que pontua leituras MQTT ao vivo e publica eventos de anomalia.
Rode um modelo YOLO sobre uma webcam ou um stream RTSP em Python, transforme as detecções de cada frame em JSON compacto e publique contagens e alertas via MQTT para que qualquer dashboard ou automação possa reagir.
Tutorial passo a passo de um servidor Model Context Protocol que assina topics MQTT, guarda em cache os valores mais recentes e expõe ferramentas de leitura e de comando para assistentes de IA.
Um caso de uso prático de previsão de carga de energia: coletar dados de medidores via MQTT, transformar contadores de energia em demanda, adicionar variáveis de clima e calendário e publicar previsões para o dia seguinte em prédios e fábricas.
Tire um modelo treinado do Edge Impulse Studio e leve-o a um sistema real: exporte-o como biblioteca Arduino ou como arquivo .eim para Linux, rode a inferência no dispositivo e publique cada previsão via MQTT.
O aprendizado federado permite que dispositivos IoT melhorem um modelo compartilhado enquanto seus dados brutos ficam locais. Este guia explica como funciona, onde se encaixa, suas armadilhas e como um broker MQTT pode transportar atualizações de modelo entre os dispositivos e um coordenador.
Uma comparação prática de hardware para edge AI, de microcontroladores a módulos com GPU, com um checklist de decisão e um script de benchmark que publica a latência do seu próprio modelo via MQTT para comparar placas de forma justa.
Um tutorial prático que transforma pedidos como "diminua as luzes da cozinha para 30 por cento" em comandos MQTT validados, usando um LLM com function calling, um registro de dispositivos e uma camada de validação rigorosa.
Um passo a passo completo de TinyML no ESP32: treine um classificador de vibração em Python, converta-o para um modelo TensorFlow Lite int8, rode-o em um ESP32 com esp-tflite-micro e publique os resultados de classificação em um broker MQTT.
Um guia prático para entregar modelos de machine learning a frotas de dispositivos de borda, usando mensagens retidas do MQTT para anunciar novas versões e coletar o status do rollout de cada dispositivo.
Máquinas muitas vezes soam diferente antes de falhar. Saiba como funciona a detecção acústica de anomalias, quais modelos cabem em hardware de borda e como publicar pontuações de anomalia compactas via MQTT em vez de transmitir áudio bruto.
Como capturar eventos de máquina e rótulos de operadores via MQTT junto com a telemetria, definir um esquema de rótulos, converter eventos em intervalos rotulados e uni-los a janelas de sensores para aprendizado supervisionado.
Um guia prático de geração aumentada por recuperação para fábricas: indexe manuais e procedimentos, busque valores atuais em topics MQTT e dê aos técnicos respostas fundamentadas nas duas fontes, com citações.
Por que o publish/subscribe combina com sistemas de IA multiagente, e quais convenções de topics, recursos do MQTT 5 e regras de segurança permitem que agentes se descubram e troquem mensagens por meio de um broker.
Edge AI significa executar a inferência de machine learning no próprio dispositivo que coleta os dados ou perto dele. Este guia explica como funciona, os níveis de hardware e por que os dispositivos de borda devem publicar resultados em vez de dados brutos.
Um tutorial prático para executar o Ollama em um gateway IoT, assinar telemetria MQTT e publicar de volta no broker insights estruturados gerados por IA, sem enviar dados a um serviço de IA externo.
Saiba o que o Frigate NVR publica via MQTT, como ler o payload de frigate/events e como encaminhar apenas as detecções relevantes para um broker na nuvem e receber notificações remotas.
Um guia prático para combinar IA e IoT: onde os modelos devem rodar, como os dados dos sensores chegam até eles, como detectar anomalias em tempo real e como permitir que agentes LLM atuem sobre dispositivos com segurança.
Crie uma conta, receba as credenciais do seu broker e conecte seu primeiro dispositivo — sem servidores para instalar, atualizar ou escalar.
