Mai nella stessa forma
Scarica l’articolo in formato PDF Questo sensore (Moisture sensor Seeds) è utile per misurare l’umidità presente nel suolo. Per esempio può essere utilizzato nel giardinaggio, inserendolo nel terreno vicino alla …
Ultimamente si fa un gran parlare di Python e sulla possibilità di utilizzarlo nella programmazione dei microcontrollori al posto di altri linguaggi come C o C++, spesso troppo complessi e che richiedono un grande sforzo e tempo per il loro apprendimento. Ma Python è un linguaggio nato per lavorare su grandi macchine come lo sono i PC di oggi. A tal proposito si è sviluppato CircuitPython, una particolare versione di Python adatta per lavorare con piccole schede e scelta da Adafruit come piattaforma base per i suoi prodotti.
Con l’avvento dell’IoT (Internet of Things) l’ambiente web non è solo una prerogativa di pagine HTML fatte per mostrare informazioni per gli umani, ma anche un ottimo ambiente per lo scambio di dati tra reti di dispositivi e sensori connessi alla rete. Oggi questa realtà è diffusissima e molti sono i servizi disponibili in rete, SaaS (Software as a Service), specializzati proprio per dispositivi IoT, tra cui Adafruit IO.
Tutti i progetti (o quasi tutti) su Arduino richiedono di essere alimentati autonomamente tramite un set di batterie. In questo articolo mostreremo una breve panoramica sulle diverse soluzioni possibili apponendo nei vari casi gli opportuni accorgimenti da seguire.
Quando si ha a che fare con un insieme di dati che descrivono una popolazione e si vogliono effettuare delle analisi statistiche, le prime caratteristiche da considerare sono la media, la mediana e la moda. Vediamo in questo articolo cosa sono e come calcolarle con R. Alla fine ci sarà qualche esempio su come visualizzarle in un grafico, come per esempio gli istogrammi e i diagrammi a candela.
Il Deep learning è una tecnica computazionale che permette di estrarre e trasformare i dati da fonti come, per esempio, il parlare umano o la classificazione di immagini, usando strati multipli di reti neurali. Ciascuno di questi strati prende i suoi input dagli strati precedenti e li rifinisce, così in maniera progressiva. Gli strati vengono addestrati da algoritmi che minimizzano i loro errori e migliorano la loro accuratezza. In questo modo le reti imparano ad effettuare dei compiti specifici.
Il poter lavorare con i dati, importarli, esportarli ed altre operazioni simili, è un’operazione importantissima per cominciare a lavorare e ad effettuare statistiche ed analisi dei dati. Ecco alcuni concetti fondamentali ed operazioni che permettono di convertire dati esterni in diversi formati in dataframe, o comunque in tipologie di dati facilmente usufruibili su R.
Per cominciare a lavorare in modo efficace con R è importante conoscere almeno le tipologie di dato base ed almeno alcuni comandi fondamentali per poterci cominciare a lavorare. Una breve panoramica per cominciare a lavorare con questa splendida piattaforma.
La cinematica diretta (forward kinematics) ci pemette di determinare la posizione e l’orientamento dell’estremità efficiace (end-effector) in termini delle variabili dei giunti. Un modo semplice per spiegare la cinematica diretta è quella di prendere un caso molto semplice ed applicarci le metodologie base di questa tecnica.
La dinamica in robotica, in inglese definita come robot dynamics, studia le forze che agiscono su un meccanismo robotico e le accelerazioni che queste forze producono. Generalmente si considera il meccanismo robotico come un sistema rigido, in modo da applicare le leggi dinamiche dei corpi rigidi.