概要

ESP32とAWSでIoTシステムをデバイス接続から機械学習適用まで一貫して構築する

想定読者

IoTを用いたデータ収集・分析・活用を担当するエンジニアおよびIoT導入を検討する技術者。クラウド側の設計・構成に責任を持つポジションに特に向く。

こんな人には向いていない

• 組み込みファームウェアを深く作り込む組み込みエンジニア。本書はAWSサービス側の構成が中心であり、ESP32のデバイスドライバや低レイヤ通信の詳細は扱わない。
• AWS IoTをすでに本番規模で運用している上級者。基礎的な接続・制御から順を追って解説するため、高度なフリート管理・カスタム認証・グリーングラスのコア機能などの発展的テーマは範囲外。
• クラウド非依存のオンプレミスIoT基盤を志向している読者。本書はAWSサービスへの依存を前提とした構成であり、自前サーバーや他クラウド上での構築には直接応用しにくい。

読了後にできるようになること

• AWS IoT CoreにESP32をMQTTで接続し、TLS相互認証を設定できる
• Device ShadowとIoT Jobsを使ってクラウドからデバイスをリモート制御できる
• センサーデータをKinesis Firehose経由で蓄積し、可視化パイプラインを構築できる
• Amazon SageMakerとRandom Cut Forestを使った設備異常検知モデルを実装できる
• Lambda・DynamoDB・Step Functionsを組み合わせたサーバーレスIoTバックエンドを設計できる

本書のキー概念(章解説)

• 第 1 章 AWS IoTでビジネス課題を解決しよう — IoT導入の3つのハードルとAWSによる解決アプローチを概観する章。後続の実装章を読む前に技術選定の判断軸を把握できる。
• 第 2 章 デバイスとクラウドの接続 — ESP32からAWS IoT CoreへのTLS相互認証+MQTT接続を実装する。GitHubのtls_mutual_auth/mqtt_ledサンプルが対応。
• 第 3 章 クラウドからのデバイスの制御 — Device ShadowとAWS IoT Jobsを使ったリモート制御が主題。AWS SAMを用いたサーバーレス構成も扱い、実運用に近い設計を学べる。
• 第 4 章 デバイスから取得したデータの可視化 — DHT11センサーデータをKinesis Firehose経由で蓄積・可視化するパイプライン構築。IoTの「見える化」を一気通貫で体験できる。
• 第 5 章 機械学習の適用（Amazon SageMaker） — NASA Bearing Datasetを使ったRandom Cut Forestによる設備異常検知。Jupyter Notebookとpredictive_maintenanceフォルダのサンプルが対応。機械学習未経験者には難易度が高めで、Pythonとデータ分析の基礎があると吸収が早い。

ハイライト

• その答えの一つが、AWSのIoTサービスを活用することです。AWSを利用すれば、簡単に、安全に、そしてスケーラブルにIoTを導入できます。(IoT導入の3つのハードル(技術領域の広さ・セキュリティ・スケーラビリティ)に対する本書の立ち位置が端的に示されている箇所)
• 星野リゾート、DESAMIS、アイリスオーヤマ、鶴見酒造、カヤバなど、多くの企業がAWS IoTを採用し、ビジネスの成長を加速させています。本書では、ESP32や実際のデータを用いて、AWSによるIoT実現のプロセスを学びます。(多業種への実導入事例を挙げることで、本書がベンダー色の強い入門書ではなく実ビジネスに根ざした内容であることを示す部分)

編集メモ

Qiita上で本書ISBN(9784297145187)を直接引用する第三者記事は確認できず(Qiita言及0件)。2024年11月発売の新刊であり外部評価の蓄積はこれから。著者Qiita告知記事1件(likes=1)のみ。AWSおよびIoTトピック全体の参考記事としてのポジション。

読む前に押さえておきたいこと

• AWSの基本サービス(IAM、Lambda、DynamoDB)の概念と操作経験。AWSマネジメントコンソールで基本的なリソースを作成できるレベルが望ましい。
• MQTTプロトコルの基礎知識(publish/subscribe、トピック、QoSの概念)。ESP32側のCコードを読む場面があるため、C言語の基礎的な読み書き能力があると2章を円滑に進められる。
• 5章を取り組む場合はPythonとJupyter Notebookの基本操作、および機械学習の基礎概念(学習・推論・異常検知の意味)を事前に押さえておくと理解の深さが変わる。

学習のコツ

• サンプルコードは公式GitHubリポジトリ(https://github.com/tsugunao/IoTBook)で公開されている。各章を読む前にリポジトリのディレクトリ構成を確認すると、コードの全体像が把握しやすい。
• 5章の機械学習(Random Cut Forest)はJupyter Notebookサンプルが提供されているため、まずノートブックを手元で動かしてから解説を読むと概念が定着しやすい。PythonとPandasの基礎知識がある方は5章から先に試すのも有効。
• 1章はビジネス課題とAWSサービスの対応関係を整理した俯瞰章なので、AWSを知っている読者は2章から手を動かして始め、設計判断で迷ったときに1章に戻る使い方が実用的。