Курс "Интернет вещей. Продвинутые технологии"

Продолжительность: 72 часа (2 часа в неделю, 36 недель)
Целевая аудитория: Учащиеся 10 класса физико-математических школ
Предварительные требования:

• Успешное освоение курса IoT для 9 класса
• Уверенное владение Python (ООП, работа с библиотеками)
• Базовые знания Linux и работа с Raspberry Pi
• Понимание основ сетевых протоколов (HTTP, MQTT)
• Опыт работы с датчиками и простейшими актуаторами

• Освоение микроконтроллерного программирования на ESP32
• Изучение продвинутых протоколов связи (LoRaWAN, Zigbee, BLE)
• Внедрение машинного обучения в IoT системы
• Разработка масштабируемых облачных решений
• Изучение промышленных стандартов и архитектур

• Программирование ESP32 на C++ и MicroPython
• Создание mesh-сетей и работа с дальними протоколами связи
• Развертывание IoT решений в облачных платформах
• Применение алгоритмов ML для анализа данных IoT
• Проектирование энергоэффективных систем
• Основы промышленной кибербезопасности

Теория (3 часа):

• Архитектура ESP32-S3: процессоры, память, периферия
• Отличия от Raspberry Pi: real-time vs Linux
• FreeRTOS и многозадачность
• Arduino IDE vs ESP-IDF framework

Практика (5 часов):

• Настройка среды разработки ESP-IDF
• Многозадачное программирование с FreeRTOS
• Управление энергопотреблением и режимы сна
• Работа с таймерами и прерываниями
• Лабораторная работа: Система мониторинга с низким энергопотреблением

Теория (2 часа):

• MicroPython vs CPython: ограничения и возможности
• Управление памятью в ограниченных системах
• Асинхронное программирование с uasyncio

Практика (4 часа):

• Установка и настройка MicroPython
• Создание веб-сервера на ESP32
• Работа с файловой системой
• OTA (Over-The-Air) обновления

Теория (1 час):

• I2S для работы с аудио
• Camera interface и компьютерное зрение
• Емкостные сенсоры и touch интерфейсы

Практика (3 часа):

• Подключение ESP32-CAM модуля
• Обработка изображений на микроконтроллере
• Проект 1: “Умная камера безопасности” с детекцией движения

Теория (3 часа):

• Принципы работы LoRa: модуляция, частоты 868/915 МГц
• Архитектура LoRaWAN: устройства, шлюзы, сетевой сервер
• Классы устройств (A, B, C) и их применение
• Сравнение с другими LPWAN технологиями

Практика (5 часов):

• Настройка LoRa модулей RFM95W
• Создание простой P2P LoRa сети
• Подключение к TTN (The Things Network)
• Передача данных датчиков через LoRaWAN
• Анализ покрытия и дальности связи

Теория (2 часа):

• Архитектура BLE: GAP, GATT, профили
• Энергоэффективность и режимы работы
• Mesh сети на основе BLE

Практика (4 часа):

• Создание BLE сервера на ESP32
• Разработка мобильного приложения для связи с ESP32
• Реализация custom GATT сервисов
• Проект 2: Система трекинга активности с BLE

Теория (2 часа):

• Zigbee 3.0: mesh топология, самовосстановление
• Modbus RTU/TCP для промышленного IoT
• CAN шина в автомобильной электронике

Практика (4 часа):

• Настройка Zigbee сети с координатором и роутерами
• Реализация Modbus slave на ESP32
• Мониторинг CAN шины (имитация автомобильных данных)
• Сравнительный анализ протоколов по энергопотреблению и надежности

Теория (3 часа):

• Принципы Edge Computing в IoT
• TensorFlow Lite и квантизация моделей
• Сравнение облачного vs edge ML
• Ограничения вычислительных ресурсов

Практика (5 часов):

• Установка TensorFlow Lite на Raspberry Pi
• Обучение простой модели классификации
• Конвертация модели в TFLite формат
• Развертывание модели на edge устройстве
• Проект 3: Система классификации звуков окружающей среды

Теория (2 часа):

• OpenCV для embedded систем
• Алгоритмы детекции объектов: YOLO, MobileNet
• Оптимизация алгоритмов для ограниченных ресурсов

Практика (4 часа):

• Детекция лиц с OpenCV на Raspberry Pi
• Подсчет объектов в реальном времени
• Создание системы контроля доступа
• Оптимизация производительности

Теория (1 час):

• Особенности временных рядов IoT данных
• Алгоритмы прогнозирования: ARIMA, Prophet
• Детекция аномалий в IoT данных

Практика (3 часа):

• Сбор и предобработка данных с датчиков
• Обучение модели прогнозирования
• Реализация системы раннего предупреждения
• Визуализация результатов прогнозирования

Теория (3 часа):

• Архитектура облачных IoT платформ
• Device Shadow и Digital Twin концепции
• Безопасность: сертификаты, IAM, мониторинг

Практика (5 часов):

• Создание IoT проекта в AWS IoT Core
• Настройка Device Shadow для ESP32
• Создание Lambda функций для обработки данных
• Интеграция с Amazon DynamoDB и CloudWatch
• Проект 4: Масштабируемая система мониторинга с облачной обработкой

Теория (1 час):

• Принципы контейнеризации
• Docker для ARM архитектуры (Raspberry Pi)
• Микросервисная архитектура в IoT

Практика (3 часа):

• Создание Docker контейнеров для IoT приложений
• Развертывание на Raspberry Pi с Docker
• Использование Docker Compose для многосервисных приложений

Теория (2 часа):

• Industry 4.0 и концепция умных фабрик
• SCADA системы и IoT интеграция
• Стандарты промышленной безопасности

Практика (2 часа):

• Имитация промышленной линии с датчиками
• Создание SCADA-подобного интерфейса
• Система предиктивного обслуживания оборудования

• ESP32-S3 DevKit + ESP32-CAM модуль
• LoRa модули RFM95W (868 МГц)
• Zigbee модули (XBee Series 3)
• OLED дисплей 128x64 (SSD1306)
• Акселерометр/гироскоп MPU6050
• Микрофон MEMS (SPH0645)
• CAN трансивер MCP2515
• Дополнительные датчики: газа, давления, pH

• LoRaWAN шлюз
• Zigbee координатор
• Анализатор протоколов (Logic Analyzer)
• Осциллограф для анализа сигналов
• Сервер с GPU для обучения ML моделей
• Промышленные датчики для демонстрации

• 25% - Лабораторные работы (еженедельные)
• 45% - Проекты по модулям (4 проекта)
• 20% - Итоговый проект (командный)
• 10% - Исследовательская работа и презентация

“Комплексная IoT экосистема” включающая:

• Сеть датчиков на различных протоколах связи
• Edge вычисления с машинным обучением
• Облачную обработку и хранение данных
• Веб-дашборд и мобильное приложение
• Систему безопасности и мониторинга

1. Техническая сложность и инновационность (35%)
2. Качество архитектуры и кода (25%)
3. Работа в команде и распределение ролей (20%)
4. Презентация и демонстрация (20%)

1. “ESP32 Programming with MicroPython” - Dr. Anassayab
2. “Learning LoRaWAN” - M. Chandrasekar
3. “TinyML: Machine Learning with TensorFlow Lite” - P. Warden
4. “Industrial IoT” - A. McEwen

• AWS IoT и Azure IoT документация
• The Things Network (TTN) Community
• TensorFlow Lite Micro примеры
• ESP32 официальная документация
• GitHub репозитории с production-ready кодом

• Мастер-классы от инженеров компаний Яндекс, VK, Сбер, МТС
• Экскурсии на IoT производства и дата-центры
• Стажировки в технологических компаниях (лето)
• Участие в хакатонах и отраслевых конкурсах

• Подготовка к AWS IoT Core Specialty
• Cisco IoT Fundamentals
• Участие в соревнованиях WorldSkills по IoT

• Микроконтроллерное программирование → Разработка собственных IoT платформ
• ML на edge устройствах → Deep Learning и нейроморфные вычисления
• Облачные технологии → Kubernetes, серверless архитектуры
• Промышленные протоколы → OPC UA, TSN, детерминированные сети
• Командная работа → Управление IoT проектами, agile методологии

По окончании курса учащиеся будут способны:

1. Создавать полноценные IoT системы с использованием различных протоколов связи
2. Программировать ESP32 на C++ и MicroPython для решения сложных задач
3. Развертывать ML модели на edge устройствах
4. Проектировать масштабируемые облачные IoT решения
5. Анализировать и оптимизировать энергопотребление IoT систем

1. Работать в команде над сложными техническими проектами
2. Планировать и реализовывать IoT системы от концепции до внедрения
3. Презентовать технические решения перед экспертной аудиторией
4. Анализировать требования реальных индустриальных задач

1. Университет: Готовность к поступлению в ведущие технические вузы
2. Олимпиады: Участие в международных соревнованиях по IoT и робототехнике
3. Стартапы: Базовые знания для создания собственных IoT проектов
4. Карьера: Понимание современных трендов в IoT индустрии

Этот курс обеспечит переход от базового понимания IoT к профессиональному уровню разработки, подготавливая учащихся к решению реальных индустриальных задач и созданию инновационных решений.