IoT ile yapay zekâ buluşuyor: edge AI, TinyML, anomali tespiti ve MQTT veri akışlarını işleyip harekete geçen yapay zekâ ajanları.
İstatistikleri kodda hesaplayıp LLM'e yalnızca anlatıyı yazdırarak MQTT sensör okuma akışlarını okunabilir vardiya raporlarına ve anomali açıklamalarına nasıl dönüştüreceğinizi öğrenin.
Bir dil modelinin gerçek ekipmanı açıp kapatmasına izin vermek bir prompt sorunu değil, bir kontrol sorunudur. Yapay zeka ile MQTT cihazlarınız arasına izin listeleri, limitler, onaylar ve denetim izi içeren bir komut gateway'i koymayı öğrenin.
Vardiya özetlerinden arıza giderme asistanlarına kadar üretken yapay zekanın fabrika sahasında gerçekten nerede işe yaradığına ve her yanıtın MQTT ile aktarılan canlı makine verisine nasıl dayandırılacağına gerçekçi bir bakış.
TensorFlow Lite for Microcontrollers'a uygulamalı bir giriş: model, op resolver, tensör arenası ve yorumlayıcının açıklaması, ESP32-S3 kartında eksiksiz bir örnek ve her kartla çalışan bir seri porttan MQTT'ye köprü.
Sensör akışlarında anomali tespiti için pratik bir rehber: hangi yöntemlerin hangi sinyallere uyduğu, bunların cihazda mı, uçta mı yoksa bulutta mı çalıştırılacağı ve MQTT'nin dedektörleri ve uyarıları nasıl birbirine bağladığı.
Sensör füzyonunun ne olduğu, tamamlayıcı ve Kalman filtrelerinin gürültülü sensörleri nasıl birleştirdiği, füzyonun ne zaman uçta ne zaman bulutta yapılması gerektiği ve birleştirilmiş değerleri MQTT ile yayınlayan çalışan ESP32 ve Python örnekleri.
NVIDIA Jetson üzerinde bir uç görü hattı kurun: GPU hızlandırmalı tespit çalıştırın, kompakt JSON sonuçlarını ve cihaz sağlığını TLS ile MQTT üzerinden yayınlayın ve yeniden başlatmalardan etkilenmeyen bir servis olarak çalıştırın.
IoT zaman serisi tahmini üzerine uygulamalı bir rehber: MQTT'den sensör verisi toplayın, yeniden örnekleyin, istatistiksel bir modeli bir makine öğrenmesi modeliyle karşılaştırın, dürüst bir geriye dönük test yapın ve tahminleri broker'a geri yayınlayın.
IoT modellerini cihazlarda çalıştırmak ile bulutta çalıştırmanın pratik bir karşılaştırması; bir karar kontrol listesi ve edge sonuçlarının MQTT üzerinden bulut modellerine aktığı hibrit bir mimariyle.
Kalan faydalı ömür tahmininin nasıl çalıştığı, hangi model ailelerinin bulunduğu, her birinin MQTT'ye bağlı varlıklardan hangi veri geçmişine ihtiyaç duyduğu ve RUL tahminlerinin belirsizlikle birlikte nasıl yayınlanacağı.
Simüle edilmiş sensör verisini MQTT ile aktaran, her okumayı Python'da kayan istatistiklerle puanlayan ve sıçrama korumalı anomali olaylarını bir uyarı topic'ine yayınlayan eksiksiz bir eğitim.
Küçük bir insan tespiti modelini doğrudan ESP32-CAM üzerinde çalıştırın, güven skorunu ve debounce edilmiş uyarıları MQTT ile yayınlayın; görüntüleri gerçekten gerekmedikçe cihazda tutun.
Geçmiş çok değişkenli sensör verisi üzerinde scikit-learn ile bir Isolation Forest eğitin, ardından onu canlı MQTT okumalarını puanlayan ve anomali olaylarını yayınlayan bir Python servisine yükleyin.
Python ile bir web kamerası veya RTSP akışında YOLO modeli çalıştırın, her karenin tespitlerini kompakt JSON'a dönüştürün ve herhangi bir dashboard veya otomasyonun tepki verebilmesi için sayımları ve uyarıları MQTT ile yayınlayın.
MQTT topic'lerine abone olan, en son değerleri önbelleğe alan ve yapay zeka asistanlarına okuma ve komut araçları sunan bir Model Context Protocol sunucusu için adım adım eğitim.
Enerji yük tahmini için pratik bir kullanım senaryosu: sayaç verisini MQTT ile toplamak, enerji sayaçlarını talebe dönüştürmek, hava durumu ve takvim özellikleri eklemek ve binalar ile tesisler için ertesi gün tahminleri yayınlamak.
Eğitilmiş bir Edge Impulse modelini Studio'dan çıkarıp gerçek bir sisteme taşıyın: Arduino kütüphanesi veya Linux .eim dosyası olarak dışa aktarın, çıkarımı cihazda çalıştırın ve her tahmini MQTT üzerinden yayınlayın.
Federe öğrenme, IoT cihazlarının ham verileri yerelde kalırken ortak bir modeli geliştirmesini sağlar. Bu yazı nasıl çalıştığını, nereye uyduğunu, tuzaklarını ve bir MQTT broker'ın cihazlar ile koordinatör arasında model güncellemelerini nasıl taşıyabileceğini anlatıyor.
Mikrodenetleyicilerden GPU modüllerine edge AI donanımının pratik bir karşılaştırması; bir karar kontrol listesi ve kartları adil biçimde kıyaslayabilmeniz için kendi modelinizin gecikmesini MQTT üzerinden yayınlayan bir benchmark betiğiyle.
Mutfak ışıklarını yüzde 30 kısmak gibi istekleri function calling destekli bir LLM, bir cihaz kaydı ve katı bir doğrulama katmanıyla doğrulanmış MQTT komutlarına dönüştüren uygulamalı bir eğitim.
Makine öğrenimi modellerini edge cihaz filolarına göndermek için pratik bir rehber; yeni sürümleri duyurmak ve her cihazdan dağıtım durumunu toplamak için MQTT retained mesajlarını kullanır.
Eksiksiz bir ESP32 ile TinyML rehberi: Python'da bir titreşim sınıflandırıcısı eğitin, int8 TensorFlow Lite modeline dönüştürün, esp-tflite-micro ile ESP32'de çalıştırın ve sınıflandırma sonuçlarını bir MQTT broker'a yayınlayın.
Makineler çoğu zaman arızalanmadan önce farklı ses çıkarır. Akustik anomali tespitinin nasıl çalıştığını, hangi modellerin uç donanıma uyduğunu ve ham ses akışı yerine kompakt anomali skorlarını MQTT ile nasıl yayınlayacağınızı öğrenin.
Makine olaylarını ve operatör etiketlerini telemetriyle birlikte MQTT üzerinden toplamak, bir etiket şeması tanımlamak, olayları etiketli aralıklara dönüştürmek ve bunları denetimli öğrenme için sensör pencereleriyle birleştirmek.
Fabrikalar için erişimle zenginleştirilmiş üretime (RAG) pratik bir rehber: kılavuzları ve prosedürleri indeksleyin, MQTT topic'lerinden güncel değerleri çekin ve teknisyenlere her ikisine dayanan, kaynak gösteren yanıtlar verin.
Publish/subscribe neden çok ajanlı yapay zeka sistemlerine uyar; ajanların bir broker üzerinden birbirini keşfetmesini ve mesajlaşmasını sağlayan topic kuralları, MQTT 5 özellikleri ve güvenlik kuralları nelerdir?
Edge AI, makine öğrenimi çıkarımını veriyi toplayan cihazın üzerinde veya hemen yanında çalıştırmak demektir. Bu yazı nasıl çalıştığını, donanım katmanlarını ve edge cihazların neden ham veri yerine sonuç yayınlaması gerektiğini anlatıyor.
Ollama'yı bir IoT gateway'inde çalıştırmak, MQTT telemetrisine abone olmak ve veriyi harici bir yapay zeka servisine göndermeden, yapay zekanın ürettiği yapılandırılmış içgörüleri broker'a geri yayınlamak için pratik bir eğitim.
Frigate NVR'ın MQTT üzerinden neler yayınladığını, frigate/events payload'unun nasıl okunacağını ve uzaktan bildirimler için yalnızca önemli tespitlerin bulut broker'a nasıl iletileceğini öğrenin.
Yapay zekâ ile IoT'yi birleştirmek için pratik bir rehber: modeller nerede çalışmalı, sensör verisi onlara nasıl ulaşır, anomaliler gerçek zamanlı nasıl tespit edilir ve LLM ajanlarının cihazlar üzerinde güvenle işlem yapmasına nasıl izin verilir.
Hesabınızı oluşturun, broker kimlik bilgilerinizi alın ve ilk cihazınızı bağlayın — kurulacak, yamalanacak ya da ölçeklendirilecek sunucu yok.
