Internet das Coisas

e Aplicações
 Material Teórico
IoT e a Ciência de Dados

Responsável pelo Conteúdo:

Prof. Me. Artur Ubaldo Marques Junior

Revisão Textual:
Prof. Esp. Claudio Pereira do Nascimento
 IoT e a Ciência de Dados

• Arquitetura Básica dos Dispositivos para IoT.

OBJETIVO DE APRENDIZADO
· Apresentar as arquiteturas, tecnologias utilizadas nas residências e a
associação da coleta de grandes dados, sua análise e a utilidade da
inteligência artificial.
 Orientações de estudo
Para que o conteúdo desta Disciplina seja bem
aproveitado e haja maior aplicabilidade na sua
formação acadêmica e atuação profissional, siga
algumas recomendações básicas:
Conserve seu
material e local de
estudos sempre
organizados.
Aproveite as
Procure manter indicações
contato com seus de Material
colegas e tutores Complementar.
para trocar ideias!
Determine um Isso amplia a
horário fixo aprendizagem.
para estudar.

Mantenha o foco!
Evite se distrair com
as redes sociais.

Seja original!
Nunca plagie
trabalhos.

Não se esqueça
de se alimentar
Assim: e de se manter
Organize seus estudos de maneira que passem a fazer parte hidratado.
da sua rotina. Por exemplo, você poderá determinar um dia e
horário fixos como seu “momento do estudo”;

Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma

alimentação saudável pode proporcionar melhor aproveitamento do estudo;

No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos
e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você
também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão
sua interpretação e auxiliarão no pleno entendimento dos temas abordados;

Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discus-
são, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o
contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e
de aprendizagem.
UNIDADE IoT e a Ciência de Dados

Contextualização
Quando falamos de IoT, parece que estamos entrando muitas vezes em algum
filme de ficção científica onde algum cientista maluco de algum país da Europa,
Ásia ou América do Norte inventa coisas que vão ajudar milhões de pessoas.

Nessa contextualização, gostaria de dizer que tem muita gente no Brasil

desenvolvendo, inventando e inovando “coisas” também.

Veja o inspirador vídeo abaixo para entender como:

Explor

Inovações Brasileiras em Internet das Coisas [CT Startup] - https://youtu.be/gizj4empiTE

Bom, como você já percebeu, não é nenhum bicho de 7 cabeças não é mes-
mo. Me diga, o que você vem pensando sobre IoT? Por que não põe sua ideia
em pratica?

Você fará a diferença!

8
Arquitetura Básica dos Dispositivos para IoT
A organização dos dispositivos IoT se baseia em uma estrutura funcional muito
simples e interligada, conforme comprova a figura 1.

Figura 1 – Arquitetura básica dos dispositivos

Fonte: dcc.ufmg.br/dcc

Segundo SANTOS (2016), esses componentes podem ser divididos em unidade

de processamento/memória, unidade de comunicação, fonte de energia e unidade
de sensor/atuador, explicada da seguinte maneira:
· (i) Composta de uma memória interna para armazenamento de dados e
programas, um micro controlador e um conversor analógico-digital para
receber sinais dos sensores. As CPUs comumente não apresentam alto
poder computacional. Frequentemente existe uma memória externa do
tipo flash que serve como memória secundária, por exemplo, para manter
um “log” de dados. As características desejáveis para essas unidades são
consumo reduzido de energia e ocupar o menor espaço possível.
· (ii) Consiste de pelo menos um canal de comunicação com ou sem fio,
sendo mais comum o meio sem fio. Neste último caso, a maioria das pla-
taformas usam rádio de baixo custo e baixa potência. Como consequência,
a comunicação é de curto alcance e apresentam perdas frequentes. Esta
unidade básica será objeto de estudo mais detalhado na próxima seção.
· (iii). Responsável por fornecer energia aos componentes do objeto inteli-
gente. Normalmente, a fonte de energia consiste de uma bateria (recarre-
gável ou não) e um conversor AC-DC. Porém, também pode ser solar e
mesmo a captura de energia do ambiente através de técnicas de conversão
conhecidas como energy harvesting.
· (iv). Realizam o monitoramento do ambiente no qual o objeto se encontra.
Os sensores capturam valores de grandezas físicas como temperatura,
umidade, pressão, presença etc. Atuadores são dispositivos que produzem
alguma ação, atendendo a comandos que podem ser manuais, elétricos ou
mecânicos. (SANTOS, 2016)

9
9
UNIDADE IoT e a Ciência de Dados

Modelos simples de Conectividade para

dispositivos inteligentes baseados em IP

Figura 2 – Modelos gerais de conectividade

Fonte: dcc.ufmg.br/dcc

Conforme SANTOS (2016), os 3 modelos se baseiam em:

·· (I) Rede autônoma. Os dispositivos no interior da nuvem não têm
comunicação com a internet.
·· (II) Rede de objetos é limitada, pois o acesso aos dispositivos é restrito.
·· (III) IoT “autêntica” na qual os objetos estão conectados à Internet.

Arquiteturas para IoT

Uma situação predominante com as arquiteturas IoT existentes é que elas foram
projetadas para pequenas ilhas de IoT – que funcionam com redes paralelas, por
exemplo, quando um operador de usina de energia puxa dados de uma turbina em
protocolos proprietários. Essas “coisas” implantadas em maior escala não permitem
colaboração de forma dinâmica entre essas “ilhas” para executar tarefas distribuídas
que envolvem detecção, acionamento e computação. (ITFORUM365, 2014).

Apesar de diversas correntes de pensamento divergirem devido a forma com

que essa nova arquitetura surgirá, temos algumas perspectivas como a 3DIA,
que se divide em inteligência global, regional e local. Porém, antes de chegarmos
nesse momento, há desafios presentes que exigem tomadas de ações urgentes.

10
 Uma iniciativa que vem ganhando muita aderência com o desafio da integração
de diferentes hardwares com protocolos proprietários é o uso de arquiteturas
baseadas em middlewares.

Middleware
Há uma grande falta de padronização de plataformas em IoT, como estamos
estudando até agora, a dificuldade de comunicação entre essa plataforma precisa
de soluções adequadas, já que os fabricantes não vão se submeter uns aos outros
para poderem integrar suas arquiteturas e protocolos.

Dessa maneira uma das soluções promissoras que vem tomando corpo no
cenário atual é a utilização de middleware intermediárias (ficam entre a parte
física e a aplicação) que permitem inicialmente a troca praticamente transparente
de mensagens entre dispositivos em plataformas diferentes, porque os sistemas
IoT tem ganho grande complexidade e precisam de soluções tanto arquitetônicas
quanto sistêmicas.

Esses middlewares servem para receber dados de equipamentos de fabricantes

diferentes, “traduzir esse dado” para enviar a outro equipamento que “não fala
aquela língua”, mas precisa entender a mensagem para poder atuar sobre os dados,
o que em alguns casos pode ser uma questão de segurança de uma planta industrial
ou monitoramento de uma casa ou uma rota de transportes. Daí percebemos a
importância do middleware.

Você percebe que essa peça teria a função de um “tradutor poliglota” facilitando
muito a vida de todo o parque sistêmico de IoT em uma determinada solução
tecnológica adota por alguma empresa, por exemplo.

PIRES et al., 2015 coloca a questão da interoperabilidade citando DELICATO et

al. 2013, destacando que a integração necessária passa por muitos níveis e escreve:
· Em mais baixo nível, é necessário integrar, de maneira transparente, uma
miríade de dispositivos físicos heterogêneos de modo a ocultar detalhes
com relação à rede, aos formatos de dados empregados, e até mesmo à
semântica das informações.
· Em um nível intermediário, a fim de prover serviços de valor agregado aos
usuários, é necessário integrar e disponibilizar dados providos por esses
dispositivos, podendo incluir simples funções de processamento de dados
ou mesmo aplicações Web mais complexas.
· por fim, em mais alto nível, um modelo padronizado de programação
pode promover integração no que se refere à agregação e transformação
de informações providas pelos dispositivos, de modo que desenvolvedores
de aplicações não necessitam ter qualquer conhecimento acerca das espe-
cificidades dos dispositivos físicos e do ambiente de rede subjacente.

11
11
UNIDADE IoT e a Ciência de Dados

Assim sendo, do ponto de vista conceitual, a construção de uma arquitetura

concreta passa antes pela arquitetura de referência, que parte da análise de diversos
modelos para selecionar o que é importante de ser utilizado, nesse caso estamos
falando de melhores práticas, padrões e regras necessários para a construção da
parte concreta.

Figura 3 – Relacionamentos entre modelos de referência, arquiteturas de referência e arquiteturas concretas

Fonte: ufes.br

GERBER 2017, descreve algumas arquiteturas de referência no mundo na

atualidade:
·· Internet das Coisas - Arquitetura (IoT-A): O modelo e arquitetura de
referência IoT-A foi desenvolvido através de um projeto de beacon da UE
em 2013. O IoT-A foi projetado para ser construído para desenvolver
arquiteturas concretas que sejam aplicáveis em toda a gama de domínios.
·· IEEE P2413 - Padrão para um quadro arquitetônico para a Internet das
coisas (IoT): Este projeto de padronização IEEE atual visa identificar pontos
comuns em domínios IoT, incluindo fabricação, edifícios inteligentes,
cidades inteligentes, sistemas de transporte inteligentes, redes inteligentes
e cuidados de saúde.
·· Arquitetura de referência de Internet industrial (IIRA) - O IIRA foi desenvolvido
especificamente para aplicações industriais IoT pelo Industrial Internet
Consortium, fundado em março de 2014 pela AT&T, Cisco, General
Electric, IBM e Intel.

12
 Nesse momento é importante você entender essas 3 arquiteturas de referência.
Para tanto dê uma pausa na leitura e acesse os hiperlinks para os documentos
abaixo. Dê uma geral neles, vale a pena, boa leitura:

Internet de Coisas - Arquitetura (IoT-A): https://goo.gl/hbQk4z

Explor

IEEE P2413 - Padrão para um quadro arquitetônico para a Internet das coisas (IoT):
https://goo.gl/naar1S
Arquitetura de referência de Internet industrial (IIRA): https://goo.gl/QFcz5v

A partir da escolha e análise dos modelos e a finalidade da construção da arqui-

tetura concreta, devemos levar em consideração a visão funcional dessa arquitetura
de tal maneira que leve em consideração suas camadas, desde o seu nível mais alto
ou da aplicação, até seu nível mais fundamental ou do próprio aparelho físico IoT.

Figura 4 - Decomposição funcional de uma arquitetura de referência da IoT

Fonte: ufes.br

Para não deixarmos dúvidas do que é cada camada e qual componente poderia
fazer parte, a figura abaixo utiliza um exemplo mais prático focado no entendimento
direto da função do middleware.

13
13
UNIDADE IoT e a Ciência de Dados

Figura 5 – Exemplo de um fluxo de informação

Fonte: ufes.br

Antes de entendermos as figuras abaixo, é importante entendermos o que faz

um Context Broker. Ele foi desenvolvido para dispositivos (clientes) com restrição
de banda de comunicação e são muito utilizados em conexões com localizações
remotas, onde pode estar uma aplicação como por exemplo uma aplicação mobile
de um smartphone. MQTT - Message Queue Telemetry Transport ou Fila de
transporte de mensagens de telemetria é um tipo de Broker de contexto, focado na
troca de mensagens entre dispositivos e uma aplicação.

Quando dizemos isso, significa que ele é responsável por fazer as coisas con-
versarem, isso é M2M baseado em TCP/IP. Há outros como o RSMB - Really
Small Message Broker ou Broker de mensagens realmente pequeno, ou ainda o
Mosquito que é open source.

14
 Aplicação
CENTRALIZADA

Context Broker

Aplicação
CLIENTE/SERVIDOR

Context Broker

Servidor Servidor

Aplicação
M2M

Context Broker

Figura 6 – 3 Exemplos de arquitetura (Centralizada, Cliente/Servidor e M2M

que usa os próprios dispositivos como distribuidores de informações)

15
15
UNIDADE IoT e a Ciência de Dados

Como você percebe, arquiteturas generalistas de alto nível podem ser amplamente
utilizadas para gerar arquiteturas concretas, ou seja, focadas nas especificidades
de domínio da indústria a qual ela se aplicará. Abaixo há algumas referências de
arquiteturas de alguns grandes fornecedores, que você pode procurar na internet,
ou consultar nossa lista de leituras complementares ao fim desta disciplina:
·· Arquitetura de referência IBM IoT;
·· Arquitetura de Referência Plataforma Intel IoT;
·· Microsoft Azure IoT Architecture;
·· Amazon Web Services Pragma Architecture.

Como podemos perceber, IoT envolve uma quantidade enorme de habilidades e

tecnologias. Para podermos integrar todas essas coisas, precisamos de plataformas
de IoT. Logo abaixo, coloco algumas para você poder dar uma aprofundada no tema.
·· IBM Watson IoT.
·· Amazon Web Services IoT.
·· Microsoft Azure IoT Suite.
·· PTC ThingWorx.
·· Kaa – open source baseada em servidor Apache.

Por outro lado, graças a esta diversidade toda, inclusive de hardware, mais que
nunca temos acesso a produção de dispositivos para IoT multipropósito e de fácil
aquisição. São algumas dessas tecnologias físicas, por exemplo, SoC – system on
a Chip, que concentram todo o processamento em um único chip, incluindo rede
etc. Outro dispositivo para ajudar na prototipagem são os SBC – Single Board
Computers, com eles conseguimos montar micro controladores, ou seja, um SoC
com processamento e armazenagem de dados.

Vários deles são de domínio público e você já deve ter ouvido falar ou até mesmo
já utilizou esses dispositivos. Vamos falar um pouco da parte mais básica de qualquer
arquitetura, o hardware, sensores, atuadores e claro, as plataformas opensource
para você poder “brincar” um pouco com IoT.
·· Arduino: trata-se de uma plataforma de desenvolvimento de hardware
de código aberto. Possui uma série de famílias de equipamentos e desen-
volvimentos que acontecem compartilhando projetos e problemas em sua
comunidade. Você vai ter que programar em C ou C++.

16
 Figura 7 – Família Arduíno
Fonte: Divulgação

· Tessel: outra plataforma altamente integrável, executa Java Script e Node.js

MÓDULOS DE 10 PINOS

IR
Acelerômetro Ambiente Retransmissão Clima Infravermelho

MÓDULOS USB

BLE

BLE Celular MicroSD Câmera Áudio

MÓDULOS CRIADOS NA COMUNIDADE

Distância Sensor de cor Teclado Luzes/LEDs Movimento

Figura 8 – Módulos e Placa Tessel

Fonte: Adaptado de iStock/Getty Images

17
17
UNIDADE IoT e a Ciência de Dados

·· Particle.io: Plataforma para desenvolvimento de hardware para IoT que

pretende ser “all in one”. Na sua versão mais recente possui criptografia
já embutida por definição. Se integra facilmente com uma simples API
REST e fala Java Script.

Figura 9 – Módulos e a Placa Particle.io

Fonte: Divulgação

·· PyBoard: é uma placa de circuito eletrônico compacto que fala e executa

MicroPython, oferecendo um sistema operacional Python de baixo nível
que pode ser usado para controlar todos os tipos de projetos eletrônicos.

Figura 10 – Módulos e a Placa PYB

Fonte: micropython.org

·· WeIO: plataforma para desenvolvimento de hardware IoT, fala e executa

Python, HTML5, de tal maneira que ele permite conexão e controle de
“coisas” usando apenas um navegador web.

18
 Figura 11 – Módulos e a Placa WeIO
Fonte: Divulgação

Há também os SBC que nada mais são do que computadores de placa única.

Vou colocar alguns exemplos que você vai poder acessar do próprio site
clicando no link:

DragonBoard 410c - https://goo.gl/3Pr1dv

Explor

BeagleBone Black - https://goo.gl/jk96J7

Raspberry Pi 3 Model B - https://goo.gl/7BEvQ6

Big Data em IoT

Esse, de maneira geral, é um termo de relevância mundial e realmente é im-
portante, porque quando falamos de IoT doméstica, temos uma situação de con-
trole relativo sobre as “coisas” e podemos utilizar nos dispositivos móveis para
saber o que está acontecendo ou até mesmo acionar algum ajuste ou outro co-
mando a distância.

Isso ocorre porque temos poucos sensores e atuadores, muitas vezes não temos
nem pré-processamento de dados. Isso muda de figura rapidamente quando você
tem numa planta industrial centenas ou até mesmo milhares de sensores espalhados
e atuadores participando de uma rede local de “coisas”, por exemplo. A quantidade
de dados gerada, muitas vezes, a cada segundo, supera em muito a capacidade
analítica de qualquer ser humano.

É aí que entra em ação BigData para atuar em conjunto com IoT. Até porque,
esses dispositivos, produzem dados estruturados, não estruturados, semiestruturados
e comportamentais, muitas vezes em tempo real sem tratamento algum.

19
19
UNIDADE IoT e a Ciência de Dados

Mas antes de mais nada, vamos pegar uma definição conceitual, mais simples
e ampla o possível sobre BigData. Vou me valer de uma que está no próprio
site da SAS, “termo que descreve o grande volume de dados - estruturados e
desestruturados - que inunda uma empresa no dia a dia”.

A SAS, complementa dando uma bela pista,

“Mas não é a quantidade de dados que é importante. É o que as organizações fazem

com os dados que importam. Os grandes dados podem ser analisados por insights
que levam a melhores decisões e movimentos comerciais estratégicos.”

Trocando em miúdos, se eu posso coletar e armazenar os dados dos sensores,

posso monitorar o que ocorre no ambiente de tal maneira em que baseado numa
grande amostra, abrangendo um extenso período de tempo, posso, a partir da
análise de todos esses dados cumulativamente guardados, descobrir padrões,
entender comportamentos e automatizar o tipo de resposta que queremos que os
atuadores acionem para poder manter o ambiente o mais estável possível. Ou seja,
se for uma residência, posso querer entender o calor produzido pela incidência do
Sol durante um ano e, a partir disso, ativar o ar-condicionado de forma eficiente e
eficaz para produzir conforto térmico.

Big Data é importante na atualidade porque eles ajudam a reduzir custos,

como no exemplo acima do ar-condicionado, reduz tempo, ajuda sobremaneira
na escolha de que produto ou serviço a desenvolver para gerar um resultado mais
eficaz, determinar causa raiz a partir de coleta de dados de efeitos e tratar a falha
de forma eficiente e eficaz, controlar uma carteira de milhagem de uma companhia
aérea criando uma política de pontos e prêmios mais inteligente para cada tipo
de persona de seus clientes, entender o risk score de um segurado e até mesmo
rebaixar o seu prêmio devido ao risco que ele representa não ser tão impactante
assim, a partir dos dados de telemetria de seus roteiros de carro, por exemplo, e
além disso, auxilia na tomada de decisão.

IoT pode se integrar com Big Data, veja esses exemplos da EXPERFY (2017):

“Uma loja de varejo pode exibir seus produtos e ofertas disponíveis para um
cliente próximo dele quando ele abre o aplicativo da loja e a acessa. Isso pode ser
possível com a tecnologia VLC (comunicação de luz visível) que faz uso de faróis
Bluetooth e sistema de iluminação. Sempre que um cliente entra na loja e abre
o aplicativo da loja, o VLC rastreia sua localização na loja, projeta luz ultra alta
velocidade no smartphone na mão do cliente e exibe as ofertas disponíveis para
ele. A loja de varejo pode armazenar essas informações do cliente na nuvem e
executa análises em suas informações de comportamento de compra. Isso pode
ajudar a loja de varejo a oferecer melhores ofertas ou serviços personalizados ao
mesmo cliente sempre que ele visita a loja.

20
 Este ecossistema de VLC, Bluetooth beacons, nuvem, switches e Ethernets e
dados de clientes emitidos e sua análise por grandes dados estão todos interligados.
Eles dependem um do outro por seu desempenho e melhoram a satisfação do
cliente e o desempenho da loja de varejo. Embora os dados IoT e Big não sejam os
mesmos, os dois estão intimamente interconectados.” (EXPERFY, 2017)

Vamos entender a real importância dos dados?! Dê uma paradinha e acesse agora esse vídeo:
Explor

Os fabricantes de automóveis querem os seus dados, disponível em: https://goo.gl/6HT9Dc

Portanto, se tenho onde armazenar esses dados em um formato ou local mais

eficiente que os bancos de dados tradicionais, de uma forma ou de outra, terei que
analisar, ou seja processar. É aqui que entra outra peça importante desse quebra
cabeça multidisciplinar.

BigData Analytics
O IEEE 2017, através de seu Jornal, define que,

“é o processo de examinar grandes conjuntos de dados que contêm uma variedade

de tipos de dados para revelar padrões não vistos, correlações ocultas, tendências do
mercado, preferências do cliente e outras informações comerciais úteis”.

Temos atualmente classificados 5 tipos diferentes de análise de big data:

· Análise em tempo real é realizada em dados coletados a partir de sensores.
São dados extremamente variáveis, dessa forma é requerida uma grande
quantidade de técnicas de análise dos dados, embarcadas e que devem
proporcionar resposta em um tempo muito curto de tempo.
· Análise off-line é usada quando o tempo de resposta não é importante.
Pode-se escolher esse método para a redução de custos ou o cruzamento
com outras bases não passiveis de junção em tempo real.
· Análise em nível de memória é usada quando o tamanho dos dados é
menor do que a memória total de um cluster.
· Análise de BI é usada quando o tamanho dos dados é maior do que o nível
de memória total de um cluster, por exemplo, mas, neste caso, os dados
podem ser importados para o ambiente de análise de BI que pode carregar
volumes superiores a TB, Tera Bytes.
· Análise massiva é empregada no momento em que o tamanho dos
dados é superior a capacidade de carga de dados da plataforma de BI
e bases tradicionais.

21
21
UNIDADE IoT e a Ciência de Dados

Figura 12 – Relação entre IoT e grande análise de dados

Fonte: ieeexplore.ieee.org

Métodos de Análise de grandes volumes de dados, atualmente utilizados são

variantes de 4 pilares a saber:
·· Classificação: conforme instrução IEEE, 2017, trata-se de uma “aborda-
gem de aprendizagem supervisionada que usa conhecimento prévio como
dados de treinamento para classificar objetos de dados em grupos”.
·· Clustering: usa uma abordagem de aprendizagem não supervisionada e
cria grupos para objetos específicos com base em suas características sig-
nificativas e distintivas.
·· Análises preditivas: usam dados históricos, conhecidos para “treinamen-
to”, para determinar os resultados como tendências ou comportamento
em dados. Utiliza outros tipos de algoritmos como lógica difusa ​​para iden-
tificação de relacionamentos entre variáveis ​​independentes e dependentes.
·· Mineração de regras de associação: centra-se na identificação e criação
de regras baseadas na frequência de ocorrências para dados numéricos e
não-numéricos.

Figura 13 – Arquitetura de IoT e Big Data Analytics

Fonte: ieeexplore.ieee.org

22
 Dentro dos exemplos citados pelo IEEE para aplicações que necessariamente
utilizam Big Data Analytics, podem ser citados:
· Casos de necessidade de medição inteligente.
· Casos de necessidade de transporte inteligente.
· Casos de necessidade de cadeias de fornecimento inteligente.
· Casos de necessidade de agricultura inteligente.
· Casos de necessidade de smart grid ou rede elétrica de distribuição inteligente.
· Necessidade de sistemas semafóricos inteligentes nas cidades.

Inteligência artificial e IoT

Outra área bastante promissora tocada pela massa de dados gerados pelos
sensores em IoT, como já mencionamos anteriormente, são os dados, todavia
uma vez adquiridos, armazenados, processados, analisados, podemos ir além de
simplesmente acionar um atuador para realizar alguma ação específica requerida.

Podemos aprender coisas a partir desses dados e gerar até mesmo tomadas
de decisão preditivas, visando evitar que certos fenômenos nocivos possam gerar
prejuízo aos mais diversos.

Esse é o campo da ciência chamado inteligência artificial em ação, vamos defini-la.

Segundo OXFORD Dicionário IA significa, “A teoria e o desenvolvimento de

sistemas informáticos capazes de realizar tarefas normalmente exigindo inteligência
humana, como percepção visual, reconhecimento de fala, tomada de decisão e
tradução entre idiomas. ”

Temos uma definição mais adequada as nossas finalidades nesse texto, vinda
do EXPERT SYSTEM que nos explica assim: “O termo em si foi cunhado por
John McCarthy da faculdade de Dartmouth em 1955 em uma proposta para
pesquisadores universitários para seu projeto de pesquisa de verão sobre IA. De
acordo com o cientista cognitivo Marvin Minsk, um dos praticantes mais famosos
do campo, a IA é “a ciência de fazer máquinas realizarem coisas que exigiriam
inteligência quando perpetradas pelos homens”.

Bom, definições a parte, IA atualmente nada mais é que um grande conjunto

de metodologias que “ensinam um computador” a realizar tarefas simulando uma
pessoa com certo grau de inteligência.

Abaixo vemos um mind map que tenta demonstrar todo esse conjunto de
metodologias e técnicas e abordagens, vamos ver:

23
23
UNIDADE IoT e a Ciência de Dados

deep learning
machine learning
predictive analytics

translation natural language

classification & clustering processing (NLP)
information extraction
speech to text
speech
text to speech Artificial Intelligence
expert systems (AI)
planning, schedulling
& optimization
robotics
image recognation
vision
machine vision

Fígura 14

SENTHILVEL (2017), demonstra a seguir numa estrutura de tópicos, contendo

quais os setores que mais aplicam essas técnicas.
·· Analítica prescritiva: o melhor exemplo são as recomendações automá-
ticas de compras on-line. Com base no comportamento do cliente, o App
sugere os produtos adequados de forma inteligente para alcançar a situa-
ção do ganha-ganha para empresas e clientes.
·· Gaming: AIi ajuda a simular o Chess Expert para a competição com o
campeão humano. Este projeto é baseado no conhecimento heurístico.
·· PNL (processo de linguagem natural): capacidade de interagir com o
computador que entende a linguagem natural falada pelos humanos.
·· Reconhecimento de Voz: Capaz de ouvir e compreender o idioma em
termos de frases e seus significados, enquanto um humano fala com ele. O
Chat interativo inteligente é o melhor caso de uso no mundo atual.
·· Robôs: os robôs visam realizar os esforços manuais do ser humano. Ao
fazê-lo, reduz o trabalho humano. Os robôs são construídos usando sen-
sores relevantes, processadores, memória para exibir “inteligência”. Atu-
almente, a indústria de fabricação de carros está alavancando a cultura do
robô para uma melhor produtividade e diminuir os erros.

24
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:

Sites
Hypertext Transfer Protocol – HTTP/1.1
https://goo.gl/NsGTCK
Message Queue Telemetry Transport
https://goo.gl/gY6GA7
Constrained Application Protocol
https://goo.gl/mUAHGa
User Datagram Protocol – UDP
https://goo.gl/vnzwZR
WebSocket Protocol
https://goo.gl/m4MEie
Arduino
https://goo.gl/cs9rML
Extensible Access Control Markup Language (XACML)
https://goo.gl/mGr16g
Arquitetura de referência IBM IoT
https://goo.gl/mMMdPy
Plataforma Intel IoT Arquitetura de Referência
https://goo.gl/PVLBRG
Microsoft Azure IoT Architecture
https://goo.gl/qcDFJk
Amazon Web Services Pragma Architecture
https://goo.gl/PdTdWu

25
25
UNIDADE IoT e a Ciência de Dados

Referências
EXPERFY, Integração do IOT com grandes dados, um passo revolucionário,
2017, disponível em: https://www.experfy.com/blog/integrating-iot-with-big-
data-a-revolutionary-step Acesso em: 28/02/2018.

EXPERT SYSTEM. Uma definição de software de inteligência artificial, dispo-

nível em: http://www.expertsystem.com/artificial-intelligence-software-definition/
Acesso em: 26/08/2018.

GERBER, A. Simplifique o desenvolvimento das suas soluções IoT com as

arquiteturas IoT, 2017 disponível em: https://www.ibm.com/developerworks/
library/iot-lp201-iot-architectures/ Acesso em: 03/01/2018.

IEEE, Big IoT Data Analytics: arquitetura, oportunidades e desafios

abertos de pesquisa, 2017, disponível em: http://ieeexplore.ieee.org/
document/7888916/?reload=true Acesso em: 28/02/2018.

ITFORUM365, Internet das Coisas precisará de uma nova arquitetura, 2014,

disponível em: https://www.itforum365.com.br/tecnologia/internet-das-coisas-
precisara-de-uma-nova-arquitetura/ Acessado em: 01/03/2018.

MUSSIO L.D. , MAIA R.F., LOPES G.W. Um Estudo de Arquiteturas IoT

para Dispositivos Embarcados – 2015 – FEI – disponível em: http://fei.edu.
br/sites/sicfei/2015/Ci%C3%AAncia%20da%20Computa%C3%A7%C3%A3o/
U M % 2 0ESTU D O % 20D E% 2 0 A RQU I T E T U RA % 2 0 I OT % 2 0 PA RA % 2 0
DISPOSITIVOS%20EMBARCADOS.pdf Acesso em 01/03/2018.

OXFORD Dictionary, Artificial Inteligence, disponível em: https://en.oxforddic-

tionaries.com/definition/artificial_intelligence Acesso em: 25/02/2018.

PIRES P.F. et al. Plataformas para a Internet das Coisas – 2015 – SBRC –
disponível em: http://sbrc2015.ufes.br/wp-content/uploads/Ch3.pdf Acesso em:
01/03/2018.

SANTOS B.P. et. al. Internet das Coisas: da Teoria à Prática, disponível em:
http://homepages.dcc.ufmg.br/~mmvieira/cc/papers/internet-das-coisas.pdf
Acesso em: 28/02/2018.

26