مسیر یادگیری

برنامه‌نویس اینترنت اشیاء (IoT)

نقشه راه کامل و به‌روز برنامه‌نویسی IoT از الکترونیک و میکروکنترلرها تا پلتفرم‌های ابری و تحلیل داده

1

مبانی الکترونیک و سخت‌افزار (Hardware Basics)

آشنایی با ولتاژ، جریان، مقاومت، دیجیتال/آنالوگ، میکروکنترلرها (ESP32, Arduino, STM32)، سنسورها و عملگرها

2

برنامه‌نویسی سیستم‌های نهفته (Embedded C/C++)

مدیریت حافظه، GPIO، PWM، ADC، تایمرها، وقفه‌ها (ISR)، پروتکل‌های UART, SPI, I2C، و اشکال‌زدایی با JTAG/SWD

3

برنامه‌نویسی سطح بالا (Python/JavaScript)

Python برای Raspberry Pi و پردازش لبه، MicroPython/CircuitPython روی بردهای کوچک، JavaScript برای Gatewayها با Node-RED و Node.js

4

سیستم‌عامل و شبکه (RTOS & Networking)

FreeRTOS و Zephyr برای مدیریت چندوظیفه‌ای، مبانی TCP/IP، UDP، MQTT و CoAP، راه‌اندازی WiFi/Ethernet/BLE و کتابخانه‌های lwIP

5

اتصال به ابر و پلتفرم‌های IoT (Cloud Connectivity)

کار با MQTT broker (Mosquitto)، اتصال امن (TLS/mTLS)، ثبت و احراز هویت دستگاه‌ها، WebSockets و REST APIs برای Gateway

6

پلتفرم‌های ابری IoT (AWS IoT, Azure IoT, Google Cloud IoT)

راه‌اندازی Device Shadow، Rules Engine، Functions ابری، ذخیره‌سازی داده‌ها و مدیریت OTA روی یکی از ابرهای اصلی

7

مدیریت و تحلیل داده (Data Pipelines & Analytics)

مسیرهای داده (Telegraf, Apache NiFi)، پایگاه‌داده‌های سری زمانی (InfluxDB, TimescaleDB)، تحلیل لحظه‌ای (Stream Processing) و مصورسازی (Grafana)

8

امنیت اینترنت اشیاء (IoT Security)

Secure Boot و رمزگذاری فلش، گواهینامه‌های X.509، محافظت از کلیدها (TPM/HSM)، جلوگیری از حملات متداول (تزریق فرمان، واسط ناامن)

9

مدیریت دستگاه و مقیاس‌پذیری (Device Management & Edge Computing)

به‌روزرسانی OTA (Mender, Hawkbit)، Edge Computing با AWS Greengrass/Azure IoT Edge، پردازش در لبه و کاهش تأخیر

10

پروتکل‌های مش و شبکه‌های کم‌مصرف (Mesh & LPWAN)

Zigbee, Thread, BLE Mesh برای خانه هوشمند، LoRaWAN و NB-IoT برای برد بلند و مصرف کم، راه‌اندازی گیت‌وی لورا

11

توسعه اپلیکیشن و داشبورد (Application Layer)

طراحی اپ موبایل با Flutter/React Native، اتصال به API ابری، ایجاد داشبورد سفارشی و تعامل کاربر نهایی

12

یادگیری ماشین در لبه (TinyML & Edge AI)

اجرای مدل‌های TensorFlow Lite Micro روی میکروکنترلرها، پردازش صدا/تصویر در لبه و بهینه‌سازی مصرف حافظه و باتری