IoT e inteligência artificial: edge AI, TinyML, detecção de anomalias e agentes de IA que consomem e agem sobre fluxos de dados MQTT.
Um tutorial prático que configura um Google Coral Edge TPU em um Raspberry Pi, executa um classificador MobileNet quantizado e publica cada previsão como JSON em um broker MQTT.
Como projetar um agente LLM que lê o estado dos dispositivos via MQTT e envia comandos com segurança, usando cache de estado, ferramentas com schema restrito, camada de políticas, aprovação humana e trilha de auditoria completa.
Como funciona a detecção de defeitos por câmera em uma linha de produção, como projetar a estação de inspeção e como publicar os resultados aprovado/reprovado via MQTT para que CLPs, dashboards e sistemas de rastreabilidade recebam a mesma resposta.
Um tutorial sobre como definir JSON schemas rígidos para ações de dispositivos, validar no código cada chamada de ferramenta do LLM, pedir ao modelo que corrija chamadas inválidas e publicar via MQTT 5 apenas comandos verificados.
TinyML é machine learning em microcontroladores que funcionam com miliwatts e kilobytes. Este guia aborda as restrições, os frameworks, casos de uso reais e por que dispositivos minúsculos publicam resultados de inferência compactos via MQTT.
Modelos implantados em dispositivos de borda se degradam em silêncio. Este guia mostra como publicar métricas de inferência via MQTT, medir o drift de forma centralizada e gerar alertas quando um modelo em campo precisa de atenção.
Um copiloto de IA industrial é tão bom quanto os dados que consegue enxergar. Este guia mostra como basear um assistente para operadores em topics MQTT ao vivo, estruturados segundo a ISA-95, para que as respostas sejam atuais, rastreáveis e seguras.
Um guia prático de manutenção preditiva com machine learning: quais dados de condição coletar via MQTT, como construir features e rótulos, com quais modelos começar e como validá-los de forma honesta.
Três métodos simples e explicáveis para encontrar outliers em fluxos de sensores, com implementações em Python que você pode rodar sobre um feed MQTT de temperatura ao vivo e orientações sobre quando cada um falha.
Um caso de uso prático de otimização de HVAC com IA: quais dados do edifício coletar via MQTT, como aprender a resposta térmica de uma zona, como calcular horários de partida e setpoints ideais e como aplicar as recomendações com segurança.
Crie uma conta, receba as credenciais do seu broker e conecte seu primeiro dispositivo — sem servidores para instalar, atualizar ou escalar.
