教案之外的延伸內容：技術文章與專題範例，每篇皆標示所使用的教具。
筆者曾經介紹過 Teachable Machine 線上模型訓練工具，可以訓練影像分類的模型。但如果初學者想要訓練物件偵測模型，則筆者則推薦使用 Azure Custom Vision 了！ 做為微軟 Azure 雲端服務旗下的一員，強大的功能與整合能力自然是不在話下，它允許開發人員訓練自己的機器學習模型，包括常見的影像分類 Image Classification 與物件檢測 Object Detection 等模型。而 Azure Custom Vision 的主要特點包括：可以使用自己的影像資料集訓練模型、無需機器學習專業知識也可以建立和部署自己的模型、提供免費且容易使用的網頁操作介面等。
在上一篇「ESP32教學系列(五)：數位脈衝寬度調變(PWM)」我們學到了PWM數位輸出的進階用法，這一篇要來說明數位輸入的進階用法—ADC。
ESP32S3 Sense 是 XIAO 家族系列最新的開發板，同時在這塊板子上也有不少突破點，除了搭載了新的核心 ESP32S3 之外，還使用了板對板連接器使其可以在維持相同面積的 PCB 條件下，擴充了 IO 的數量與功能。
上一篇講到了數位輸出的概念，讓 ESP32 透過輸出高電位和低電位點亮或是熄滅 LED 燈。但是數位輸出就只能做到打開或關閉嗎？其實數位輸出還能做出更多變化！讓我們來看看數位輸出的進階用法—PWM。
還記得在上一篇，實作了一個 Node-Red-Dashboard，用以顯示智慧工廠裡面多感測器的即時數據。如果想要把此數據傳輸至多個使用者端(可能是 10 台，甚至是 100 台以上的電腦或是手機用戶端)，該怎麼做呢？本篇將繼續透過上一篇的範例程式，說明物聯網常用的 MQTT 通訊協定及應用層的相關實務應用技術。
SensiML 是一個 IoT 機器學習解決方案供應商，提供數種不同的軟體用以擷取資料、建立模型與測試驗證。由於其提供的軟體功能完整使用便利，並且能佈署 TinyML 模型在多種不同的中低階微控制器上，也能彈性搭配各類感測器（如 IMU、麥克風等）進行收集資料，不管是在商業開發或社群上都備受好評。
上篇說明了 ESP32 的腳位和 GPIO 的功能與注意事項，本篇將以兩個簡單的範例說明如何使用 Arduino Framework 控制 ESP32 開發板的數位輸入與輸出，以及如何使用內建的上拉與下拉電阻簡化電路。
還記得在上一篇「智慧工廠教學實驗平台系列(二)：物聯網感知層實務技術」最後留給讀者的一個問題，就是「如果想實現同時蒐集光敏感測器，氣體感測器，火焰感測器，溫濕度感測器並以 10hz 頻率回傳此數據至電腦端，該怎麼做呢？」，本篇將繼續透過此範例程式，來說明物聯網網路層和應用層的相關實務應用技術。
在樹莓派引領單板電腦崛起之時，市場上充斥不少與樹莓派體積相同的類似產品，來自於深圳的 Orange Pi 團隊便是其中之一，2005 年迄今已將近十年仍不斷推出新的開放硬體，而 Orange Pi 5 Plus （以下簡稱 OPi 5+）則是其最新世代的產品。
GPIO 是微控制器上面最常用到的周邊（peripheral）之一，本篇將分成上篇（理論篇）與下篇（實作篇），介紹 ESP32 的 GPIO 接腳以及數位輸入輸出的使用。
