aws-iot-device-management-demo-源码

aws-iot-device-management-demo

SERP4IoT-源码

用于“安全性和机器学习在物联网中的采用：物联网开发人员讨论的初步研究”的复制包 StackOverflow IoT数据集： 该数据集是从IoT相关的53K SO帖子中收集的。 IoT数据收集中使用的所有标签的列表：使用Stack Overflow September 2019数据转储。 可以从archive.org下载转储 我们用来从Stack Overflow收集IoT帖子的78个IoT标签的最终列表如下。 arduino：arduino，arduino-c ++，arduino-due，arduino-esp8266，arduino-every，arduino-ide，arduino-mkr1000，arduino-ultra-sonic，arduino-uno，arduino-uno-wifi，arduino-yun 物联网：音频工具箱，音轨，aws-iot，aws-iot分析

iot-weatherstation:使用Python，Nodejs和使用Amazon的AWS IoT Core开发的环境监控站-源码

物联网气象站 使用Python，Nodejs和使用Amazon的AWS IoT Core开发的环境监控站 开展学校项目是为了对Amazon的AWS服务有深入的了解，并有机会深入研究nodejs / python。 我们的项目组很幸运，可以配备nVidia Jetson Nano，用作我们的微型IoT连接气象站！ python脚本在我们的Jetson Nano上循环循环，定期拍摄环境条件（温度，湿度，压力和照片）的快照，并将其作为JSON负载发布到AWS IoT。 该照片已发送到AWS S3存储桶。 Web服务器订阅了我们的weatherstation主题，以下拉该有效负载并解析数据以在简单的网页上显示。 使用的硬件：nvidia Jetson Nano，BME280传感器，相机，运行节点Web服务器的PC。 使用的软件库：Adafruit BME280，OpenCV，nanocamer

remote-roller:基于AWS IoT的基于MQTT的两个终端骰子滚动游戏，使用Raspberry Pi Zero W和OpenCV-源码

遥控滚筒 一个基于AWS IoT的基于MQTT的基于MQTT的两个终端骰滚动游戏，使用了OpenCV和一对Raspberry Pi Zero W. 工作正在进行中。 硬件 以下两个。 每个“玩家”一个 骰子 化学环架 杂线 云设置 登录到您的 在“安全”>“策略”下，创建以下策略，将其命名为remote_roller_player_policy 注意：添加每个操作时，资源ARN将自动为您填充。 您将需要编辑资源的末尾以获取正确的客户端，主题和主题过滤器，如下所示。 但是，请勿更改其余的ARN。 { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "iot:Connect", "Resource": "arn:aws:iot:us-west-

Repo-2018：深度学习暑期学校+ Tensorflow + OpenCV级联培训+ YOLO + COCO + CycleGAN + AWS EC2设置+ AWS IoT项目+ AWS SageMaker + AWS API Gateway + Raspberry Pi3 Ubuntu Core-源码

Python代码：物联网，机器学习，计算机视觉 机器学习，深度学习，强化学习，人工智能和计算机视觉中的代码 欢迎来到我的GitHub存储库。 我是一名数据科学家，并且使用Python编写代码。 在这里，您将找到我开发的一些机器学习，深度学习，自然语言处理，人工智能和计算机视觉模型。 可用的模型数据： 模型中使用的Keras版本：keras == 2.0.8模型中使用的Tensorflow版本：tensorflow == 1.7.0 AWS API网关 该文件夹提供了在AWS API Gateway中创建终端节点和API密钥的一般准则，该准则将接收来自发送传感器数据的Python笔记本的

bootcamp-2021：Panacloud Bootcamp 2021将融合AI，IoT和AWS无服务器云技术。 Bootcamp将使用Python和Rust作为其开发语言，TensorFlow作为ML框架，AWS作为其无服务器云平台，AWS CDK for Infrastructure作为代码-源码

bootcamp-2021：Panacloud Bootcamp 2021将融合AI，IoT和AWS无服务器云技术。 Bootcamp将使用Python和Rust作为其开发语言，TensorFlow作为ML框架，AWS作为其无服务器云平台，AWS CDK for Infrastructure作为代码

greengo：适用于AWS Greengrass的基于YAML的简单部署框架-源码

适用于AWS IoT Greengrass的代码 Greengo：一个工具和一个入门样板项目，用于启动（并清理！）AWS Greengrass设置以发挥作用并带来收益。 如果您遵循《 ，则可以在此处找到它作为代码的自动化信息。 在group.yaml描述您的Greengrass组，编写Lambda函数和设备客户端，在Vagrant VM中置备Greengrass Core，进行部署和清理。 受和启发。 事先要求 具有Linux / MacOS，Python，git的计算机（dah！） 与 并AWS CLI。 考虑使用。 设置它 从PyPI安装greengo ： $ pip install greengo 手动[*]下载GreenGrassCore二进制文件并将其放在./downloads目录中。 登录到AWS管理控制台，导航到AWS IoT控制台，然后从[软件部分]（ 下载AWS Greengrass核心软件软件/ greengrass）。 是的，手动很烂...我稍后会自动化。 或者，提交您的公关！ 玩 在AWS中创建GreenGrass组定义 看中group.yaml的

Earthquakes_IoT:地震物联网数据项目-源码

地震_物联网 地震物联网数据项目 Alex Bardea-地震物联网数据项目 本地软件和图形表示-Python专用物联网平台-通过SMS JSON格式导出数据的AWS IoT通知 连接到生成物联网数据的站点。 这些数据将在专用的IoT平台上保存在本地（JSON）和在线（AWS）中，并以图形方式表示。 如果监视的参数的值超过某个阈值（幅度大于4.5），则会从特定区域向用户发送通知。

cloudiscovery：该工具可帮助您发现云环境中的资源-源码

云发现 Cloudiscovery可帮助您分析您的云（AWS / GCP / Azure /阿里巴巴/ IBM）帐户中的资源。 现在，该工具只能检查AWS中的资源，但我们正在努力扩展到其他提供商。 该工具由各种命令组成，可帮助您了解云基础架构。 产品特点 图表 命令可以生成图表。 在对它们进行建模时，我们尝试遵循以下原则： 图形上的卓越之处在于可以在最短的时间内以最小的墨水在最小的空间内为观看者提供最多的创意。 爱德华·塔夫特 报告 这些命令生成可用于进一步分析资源的报告。 命令行界面 使用以下选项运行cloudiscovery命令（如果未通过区域，则此脚本将尝试从〜/ .aws /

Blinds_IOT_Project-源码

aws_dynamo Zache，David和Kim制作的项目

智能监视：物联网监视系统，由Raspberry Pi驱动，当摄像机检测到运动时通知用户。 使用OpenCV实现计算机视觉，并使用AWS和Twilio发送文本警报-源码

智能监控摄像头 物联网安全摄像机，由Raspberry Pi，Amazon Web Services（AWS）和Twilio提供支持，通过SMS，WhatsApp和/或共享的网络文件夹在检测到运动时通知用户。 请参阅我。 :memo: 目录 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 构建套件 树莓派我使用了Raspberry Pi ZeroW。 相机 我使用了 。 先决条件 该项目是在Python 3中构建的，因此请使用pip3通过bash安装软件包： sudo apt install python3-pip 为了支持消息传递，需要AWS S3和Twilio（或分别类似的云存储平台和消息传递API）。 请参阅的，以获取有关如何使用S3来存储媒体文件的指南。 有关如何使用Twilio API发送消息的指南，请参考。 要在网络文件夹上启用共享，请参

Kazuhito00-源码

Github奖杯 关于我 名古屋で组込みエンジニア（C / C ++）をしています。 我是日本爱知县名古屋市的嵌入式工程师（C / C ++）。 最近は画像处理（C ++ / Python），Web（Azure / AWS / SFDC）やIoTの仕事もしています。 最近，我一直致力于图像处理（C ++ / Python），Web应用程序（Azure / AWS / SFDC）和IoT。 机械学习やKaggle勉强中（ :3rd_place_medal: ×２）です。 目前正在研究机器学习和Kaggle（ :3rd_place_medal: ×2） 物体検出やセマンティックセグメンテーションに兴に兴味があります。 我对ObjectDetection和SemanticSegmentation感兴趣 作品 リポジトリ一覧，寄稿等は「 」をください。 ※画像を多く使用しており通信量が多くなる悬念があるため，モバイル回线や通信料従量制の方はご注意ください

HoYoung1-源码

软件开发工程师 AWS서비스와Python을용합니사용합니다。 ML모델을케리케이션개발서버환경에서환경에서환경에서등쌓고있습니쌓고있습니쌓고있습니쌓고있습니쌓고있습니쌓고있습니。 경력 엘오에프（2017.11〜2018.04） 照片：소개지인을스인을스 역할：안드로이드 링크 캡스톤（2018.04〜2018.07） 소개：시스시스템。 역할：API서버개발（Django），안드로이드 링크 서버： : 앱： : 시스시스템（2019.02〜2019.08） 主题：VIP라운지에제출입통스템으로서비스화 内容：面部检测模型+ AWS Rekognition，스관사이트（Flask） 스마트스토어（2019.08〜2021.02） 소개： 서버리스기반능지능스서비이용한스마트매장 托管服务托管服务（KVS，KDS，IoT核心，Sagemaker，A

openremote-cli:管理OpenRemote V3栈的命令行工具-源码

OpenRemote CLI 介绍 这是命令行界面OpenRemote物联网平台。 它的目的是通过自己动手用户降低使用OpenRemote的摩擦。 发布，作为一个Python包上 关于OR OpenRemote是一个伟大的真正的开放源代码平台的物联网。 用法 要安装/升级CLI： pip install --upgrade openremote-cli or --version 部署本地OpenRemote栈 or deploy 当它完成，你应该能够打开和登录与管理：秘密的经理。 根据你的机器可能需要几分钟才能启动或服务（通常不超过10分钟）。 如果还没有工作，具有检查docker ps ，看是否所有的服务都在健康或起步阶段。 删除本地OpenRemote栈 or deploy --action remove 使用DNS条目在AWS上部署OpenRemote堆栈 or deploy

TACOS：TACOS（日光浴平台上有只猫）探测器-源码

塔科斯 什么？ TACOS（日光浴平台上有一只猫）是一个python脚本，用于检测我的日光浴平台上的猫（最近还发现了其他动物）。 它通过定期拍照，将其上传到Amazon S3并使用Amazon Rekognition对它们进行对象检测来做到这一点。 如果发现猫（或动物），它会通知通过Amazon SNS订阅的猫，并提供检测到该猫的图片的链接以及一些其他信息（如果是动物）。 但为什么？ 为什么不？ 运行自己 要自己运行此程序，您需要： 树莓派 互联网连接 Raspberry Pi相机 一个Amazon AWS账户 如果拥有所有这些，请设置一个S3存储桶和一个SNS主题，并在脚本的变量中记下

eye-of-horus:Eye of Horus是面部和手势识别混合智能锁定认证系统-源码

荷鲁斯之眼 面对面部和手势识别的安全摄像机，霍洛斯的眼睛是我的普利茅斯大学最后一年项目，该项目今年将占我这个年级的40个学分。我的项目主管是 ）。 积压 根据大学有关最后一年项目的规定，我的非代码待办事项记录在Microsoft Planner上。请单击下面的链接以请求访问规划器： : action source MSExchange/ guid a322b80f- 与代码相关的任务将记录在以实现更高的自动化程度和任务之间的引用绘制。 项目愿景 适用于：希望保护他们在保险箱或房间内的资产的用户，并且比容易被盗的密钥或健忘的密码短语需要更可靠，更安全的解决方案。 谁：那些忘记了身份验证形式或只希望一组授权人员访问资产的人的问题。 的：荷鲁斯之眼。 是答：面部和手势识别混合智能锁摄像机系统。 那就是：将两个常见的生物特征安全功能组合到一个摄像机中。它提供了一个安全，有用的授权系统