第1章 物联网设备设计的开发环境 1
1.1因特网资源的检索法 4
1.2用虚拟机VMware Player安装客操作系统（Ubuntu） 8
1.3在Ubuntu上构建Arduino的开发环境 18
1.3.1报错的基本处理方法以及Windows上无用文件的删除 21
1.3.2 Linux的更新和升级 22
1.3.3 Cygwin的安装 25
1.3.4 Python库的安装 26
1.4 AVR写入器的制作 28
1.5使用AVR写入器向AVR单片机写入固件 30
第2章 物联网设备的硬件和接口 35
2.1构成物联网设备的AV R单片机 36
2.2构成物联网设备的传感器和驱动部件 43
2.2.1 i2c接口的气压传感器（BMP180） 43
2.2.2 SPI接口的FlashAir SD卡 57
2.2.3 Wi-Fi串口模块（ESP8266） 61
2.2.4为物联网设备设计印制电路板（PCBE） 68
第3章 构成物联网设备的开源软件 72
3.1使用伺服库控制伺服电机 73
3.2使用Wire （i2c）库控制LCD 76
3.3使用Adafruit库的自带控制器的RGB LED （NeoPixel）控制 81
3.4阻抗数字转换器（AD5933） 83
3.5 Python开源的活用 93
3.5.1定期客户访问系统 93
3.5.2 cron和crontab的设定 97
3.5.3 OAuth 2.0认证的gspread库的comoauth 2.py程序 98
第4章Python的设置与机器学习 100
4.1 Python的环境设定 100
4.1.1在Windows上安装Python 100
4.1.2在Ubuntu上设置Python 103
4.1.3在Raspberry Pi2 上设置Python 103
4.1.4 Raspberry Pi2连接i2c传感器 107
4.2 scikit-learn 120
4.2.1使用scikit-learn的文本学习 121
4.2.2用马尔可夫模型来挑战《海螺小姐》的石头剪刀布 124
4.3使用statsmodels和scikit-learn进行多元回归分析 127
4.3.1使用 statesmodels的OLS模型进行多元回归分析 127
4.3.2使用statesmodels的RLM模型进行多元回归分析 131
4.3.3使用scikit-learn的Lasso模型进行多元回归分析 131
4.3.4使用scikit-learn的AdaBoost和DecisionTree模型进行多元回归分析 132
4.3.5使用scikit-learn的RandomForest模型进行多元回归分析 133
4.3.6使用scikit-learn的其他集成学习模型进行多元回归分析 135
4.4神经网络深度学习 136
第5章 使用Python进行图像处理 142
5.1使用OpenCV的基础程序 142
5.2使用摄像头进行可见光通信 145
5.3数一数物体和人 147
5.4挑战解答数独 149
5.5分析不可思议的颜色 152
5.6模板匹配 155
5.7基于Bag of Features的图片学习的分类器 157
第6章Python的云活用 162
6.1 freeDNS的活用 162
6.2云Dropbox的使用 164
6.3云Google drive的使用 166
6.3.1访问Google drive 166
6.3.2 Google drive的OAuth 2.0认证 168
6.3.3为pydrive库添加删除功能 171
6.3.4 Google drive和pydrive的MIME类型的错误匹 配 174
第7章 使用Python在智能手机中活用S L4A 176
7.1安装SL4A 176
7.2 Weather-station 180
第8章 三种平台（Windows、Android、 Raspberry Pi2）上的语音识别 184
8.1 Windows平台上的语音识别 184
8.2安卓平台上的语音识别 187
8.3 Raspberry Pi2平台上的语音识别 188
附录A用Python进行简单的GUI开发 195
附录B Sigfox（物联网设备专用的LPWAN） 198