En los últimos dos años mucha gente ha pasado a un estilo de trabajo totalmente remoto, lo que nos ha hecho darnos cuenta de beneficios de los que no éramos conscientes, pero lamentablemente también de algunos pequeños inconvenientes, como problemas relacionados con la salud. En esta charla, exploraremos cómo construir un sistema funcional para rastrear la calidad del aire, recoger nuestros propios datos utilizando diferentes sensores e implementar un enfoque predictivo para evitar futuros problemas de salud. Vamos a sumergirnos en las diferentes configuraciones para interactuar con los sensores de calidad del aire utilizando Python en **microcontroladores y sistemas embebidos**, recogiendo sus propios datos para evaluar diferentes factores como **humedad, temperatura, CO2, partículas,** pero eso no es todo, también nos adentraremos en la implementación de un modelo de **aprendizaje automático predictivo** para predecir los niveles de **CO2** en interiores y alertarnos en base a las predicciones antes de los niveles críticos. La idea principal de esta charla es mostrar con un ejemplo práctico cómo podemos implementar sistemas de monitorización y aprendizaje automático en casa, y al mismo tiempo, los asistentes verán cómo Python es una gran opción para la monitorización de la calidad del aire interior complementada con un modelo predictivo (Neural Network) para el CO2 interior, mientras se divierten construyendo y monitorizando su casa.
Los asistentes aprenderán a configurar diferentes **sensores de calidad del aire** usando Python en **microcontroladores y sistemas embebidos**, recogiendo sus propios datos para evaluar diferentes factores como **humedad, temperatura, CO2, partículas,** también verán cómo una implementación una Neural Network para predecir los niveles de **CO2** en interiores y alertarnos en base a las predicciones antes de los niveles críticos es una idea interesante. RESUMEN - Introducción a las ventajas y problemas de trabajar desde casa - Breve introducción a Python en Microcontroladores y sistemas embebidos. - Configuración de un sistema de calidad del aire - Tipos de placas, tipos de sensores, pruebas y código de producción. - Tratamiento de los datos ambientales de interior - Formato recomendado y proceso de obtención de datos de los sensores - Calibración y procesamiento de datos - Un sistema predictivo utilizando el aprendizaje automático - Tipos de modelado para resolver este reto: - Implementación del modelo inicial - Sistema de monitoreo de la calidad del aire - Trabajos futuros y futuros prototipos AUDIENCIA - Los conocimientos previos deben ser conocimientos básicos de python en cuanto a listas, E/S, funciones y bucles. - No es necesario tener conocimientos previos de tablas o sensores. - Algunos conocimientos de ciencia de datos ayudarán al asistente, sin embargo todos los conceptos serán introducidos y podría ser un gran proyecto para aprender a implementar modelos predictivos. Esta charla es una mezcla de temas: - [Hardware]programar microcontroladores y sistemas embebidos - [Hardware] manejo de sensores - [Ciencia de los datos/Aprendizaje automático] Recogida de datos e implementación de sistemas predictivos
Speakers: Maria Jose Molina Contreras