From 6a1bcedd499b17574d8403141ead6841da934eb0 Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Mon, 6 Apr 2026 17:47:49 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 189 changes) --- translations/bg/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 8 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 4 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../wio-terminal-relay.md | 2 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/bg/README.md | 214 ++++++++---------- translations/bg/hardware.md | 2 +- translations/ro/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 8 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 2 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../wio-terminal-relay.md | 2 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/ro/README.md | 198 ++++++++-------- translations/ro/hardware.md | 2 +- translations/sk/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 4 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 2 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../wio-terminal-relay.md | 2 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/sk/README.md | 181 ++++++++------- translations/sk/hardware.md | 2 +- 189 files changed, 811 insertions(+), 818 deletions(-) diff --git a/translations/bg/.co-op-translator.json b/translations/bg/.co-op-translator.json index 66291137d..446677e98 100644 --- a/translations/bg/.co-op-translator.json +++ b/translations/bg/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "bg" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:34:55+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:47:29+00:00", "source_file": "README.md", "language_code": "bg" }, diff --git a/translations/bg/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/bg/1-getting-started/lessons/1-introduction-to-iot/README.md index deff717ba..f655ebac6 100644 --- a/translations/bg/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/bg/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Въведение в IoT -![Скица на урока](../../../../../translated_images/bg/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-1.2606670fa61ee904.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. diff --git a/translations/bg/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/bg/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 32626254e..db95b6da8 100644 --- a/translations/bg/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/bg/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Приложението ще започне да работи и ще се отвори във вашия уеб браузър: - ![Приложението CounterFit работи в браузър](../../../../../translated_images/bg/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Приложението CounterFit работи в браузър](../../../../../translated_images/bg/counterfit-first-run.433326358b669b31.webp) То ще бъде отбелязано като *Disconnected*, със светодиод в горния десен ъгъл, който е изключен. @@ -224,7 +224,7 @@ 1. В този нов терминал стартирайте файла `app.py`, както преди. Статусът на CounterFit ще се промени на **Connected**, и светодиодът ще светне. - ![CounterFit показва статус Connected](../../../../../translated_images/bg/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![CounterFit показва статус Connected](../../../../../translated_images/bg/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Можете да намерите този код в папката [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/bg/1-getting-started/lessons/2-deeper-dive/README.md b/translations/bg/1-getting-started/lessons/2-deeper-dive/README.md index b8383e41e..625c31e2e 100644 --- a/translations/bg/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/bg/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # По-задълбочен поглед върху IoT -![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-2.324b0580d620c25e.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -38,7 +38,7 @@ Тези устройства взаимодействат с физическия свят, като използват сензори за събиране на данни от околната среда или чрез контролиране на изходи или задвижващи механизми за извършване на физически промени. Типичен пример за това е интелигентен термостат - устройство, което има температурен сензор, средство за задаване на желаната температура, като например циферблат или сензорен екран, и връзка с отоплителна или охлаждаща система, която може да се включи, когато откритата температура е извън желаните граници. Температурният сензор открива, че стаята е твърде студена, и задвижващ механизъм включва отоплението. -![Диаграма, показваща температура и циферблат като входове към IoT устройство, и контрол на отоплителна система като изход](../../../../../translated_images/bg/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Диаграма, показваща температура и циферблат като входове към IoT устройство, и контрол на отоплителна система като изход](../../../../../translated_images/bg/basic-thermostat.a923217fd1f37e5a.webp) Съществува огромен набор от различни устройства, които могат да действат като IoT устройства - от специализирани хардуери, които засичат едно нещо, до универсални устройства, дори вашия смартфон! Смартфонът може да използва сензори за откриване на света около него и задвижващи механизми за взаимодействие със света - например, използвайки GPS сензор за откриване на вашето местоположение и високоговорител за предоставяне на навигационни инструкции до дестинация. @@ -54,7 +54,7 @@ В примера с интелигентния термостат, термостатът би се свързал чрез домашен WiFi към облачна услуга, работеща в облака. Той би изпратил данните за температурата към тази облачна услуга, откъдето те ще бъдат записани в база данни, позволявайки на собственика на дома да провери текущите и минали температури чрез приложение на телефона. Друга услуга в облака би знаела каква температура иска собственикът на дома и би изпратила съобщения обратно към IoT устройството чрез облачната услуга, за да каже на отоплителната система да се включи или изключи. -![Диаграма, показваща температура и циферблат като входове към IoT устройство, IoT устройството с двупосочна комуникация с облака, който от своя страна има двупосочна комуникация с телефон, и контрол на отоплителна система като изход от IoT устройството](../../../../../translated_images/bg/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Диаграма, показваща температура и циферблат като входове към IoT устройство, IoT устройството с двупосочна комуникация с облака, който от своя страна има двупосочна комуникация с телефон, и контрол на отоплителна система като изход от IoT устройството](../../../../../translated_images/bg/mobile-controlled-thermostat.4a994010473d8d6a.webp) Още по-интелигентна версия би могла да използва AI в облака с данни от други сензори, свързани към други IoT устройства, като сензори за заетост, които откриват кои стаи се използват, както и данни като времето и дори вашия календар, за да взема решения как да настрои температурата по интелигентен начин. Например, тя би могла да изключи отоплението, ако прочете от вашия календар, че сте на почивка, или да изключи отоплението на стая по стая, в зависимост от това кои стаи използвате, като се учи от данните, за да става все по-точна с времето. @@ -94,7 +94,7 @@ CPU разчита на часовник, който тиктака милион > 💁 CPU изпълнява програми, използвайки [fetch-decode-execute цикъл](https://wikipedia.org/wiki/Instruction_cycle). За всеки тик на часовника CPU ще извлече следващата инструкция от паметта, ще я декодира и след това ще я изпълни, като например използва аритметично-логическо устройство (ALU), за да събере 2 числа. Някои изпълнения ще отнемат няколко тика, така че следващият цикъл ще се изпълни при следващия тик след завършването на инструкцията. -![Fetch-decode-execute цикъл, показващ извличането на инструкция от програмата, съхранена в RAM, след това декодирането и изпълнението ѝ на CPU](../../../../../translated_images/bg/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Fetch-decode-execute цикъл, показващ извличането на инструкция от програмата, съхранена в RAM, след това декодирането и изпълнението ѝ на CPU](../../../../../translated_images/bg/fetch-decode-execute.2fd6f150f6280392.webp) Микроконтролерите имат много по-ниски скорости на часовника от настолните или лаптоп компютри, или дори от повечето смартфони. Например, Wio Terminal има CPU, който работи на 120MHz или 120,000,000 цикъла в секунда. @@ -178,7 +178,7 @@ CPU разчита на часовник, който тиктака милион Вие бихте написали вашия начален код във функцията `setup`, като например свързване към WiFi и облачни услуги или инициализиране на пинове за вход и изход. Вашият код за обработка би се намирал във функцията `loop`, като например четене от сензор и изпращане на стойността към облака. Обикновено бихте включили забавяне във всяка итерация на цикъла, например ако искате данните от сензора да се изпращат на всеки 10 секунди, бихте добавили забавяне от 10 секунди в края на цикъла, за да може микроконтролерът да спи, спестявайки енергия, след което да изпълни цикъла отново, когато е необходимо, 10 секунди по-късно. -![Скица на Arduino, която първо изпълнява setup, след това изпълнява loop многократно](../../../../../translated_images/bg/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Скица на Arduino, която първо изпълнява setup, след това изпълнява loop многократно](../../../../../translated_images/bg/arduino-sketch.79590cb837ff7a7c.webp) ✅ Тази архитектура на програмиране е известна като *цикъл на събития* или *цикъл на съобщения*. Много приложения използват това под капака и това е стандартът за повечето десктоп приложения, които работят на операционни системи като Windows, macOS или Linux. Функцията `loop` слуша за съобщения от компоненти на потребителския интерфейс като бутони или устройства като клавиатурата и реагира на тях. Можете да прочетете повече в тази [статия за цикъла на събития](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/README.md index e70ad74cb..059e595e0 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Взаимодействие с физическия свят чрез сензори и изпълнителни устройства -![Скица на урока](../../../../../translated_images/bg/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-3.cc3b7b4cd646de59.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -92,7 +92,7 @@ IoT устройствата са цифрови - те не могат да р Най-простият цифров сензор е бутон или превключвател. Това е сензор с две състояния - включено или изключено. -![Бутон, който получава 5 волта. Когато не е натиснат, връща 0 волта; когато е натиснат, връща 5 волта](../../../../../translated_images/bg/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Бутон, който получава 5 волта. Когато не е натиснат, връща 0 волта; когато е натиснат, връща 5 волта](../../../../../translated_images/bg/button.eadb560b77ac45e5.webp) Пиновете на IoT устройства, като GPIO пинове, могат директно да измерват този сигнал като 0 или 1. Ако напрежението, което се изпраща, е същото като напрежението, което се връща, стойността е 1, в противен случай стойността е 0. Няма нужда от преобразуване на сигнала, той може да бъде само 1 или 0. @@ -125,7 +125,7 @@ IoT устройствата са цифрови - те не могат да р Следвайте съответното ръководство по-долу, за да добавите изпълнително устройство към вашето IoT устройство, контролирано от сензора, за да създадете IoT нощна лампа. Тя ще събира нива на светлина от светлинния сензор и ще използва изпълнително устройство под формата на LED, за да излъчва светлина, когато засеченото ниво на светлина е твърде ниско. -![Диаграма на задачата, показваща как се четат и проверяват нивата на светлина, и как се контролира LED](../../../../../translated_images/bg/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Диаграма на задачата, показваща как се четат и проверяват нивата на светлина, и как се контролира LED](../../../../../translated_images/bg/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Едноплатков компютър - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ IoT устройствата са цифрови - те не могат да р Аналоговите изпълнителни устройства приемат аналогов сигнал и го преобразуват в някакъв вид взаимодействие, при което взаимодействието се променя в зависимост от подаденото напрежение. Един пример е димируема светлина, като тези, които може да имате у дома. Количеството напрежение, подадено към свет -![Светлина, затъмнена при ниско напрежение и по-ярка при високо напрежение](../../../../../translated_images/bg/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Светлина, затъмнена при ниско напрежение и по-ярка при високо напрежение](../../../../../translated_images/bg/dimmable-light.9ceffeb195dec1a8.webp) Както при сензорите, реалното IoT устройство работи с цифрови сигнали, а не с аналогови. Това означава, че за да изпрати аналогов сигнал, IoT устройството се нуждае от цифрово-аналогов преобразувател (DAC), който може да бъде вграден директно в устройството или да се намира на свързваща платка. Този преобразувател превръща 0 и 1 от IoT устройството в аналогово напрежение, което изпълнителният механизъм може да използва. @@ -187,7 +187,7 @@ IoT устройствата са цифрови - те не могат да р Един прост цифров изпълнителен механизъм е LED. Когато устройството изпрати цифров сигнал 1, се изпраща високо напрежение, което включва LED. Когато се изпрати цифров сигнал 0, напрежението пада до 0V и LED се изключва. -![LED е изключен при 0 волта и включен при 5V](../../../../../translated_images/bg/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED е изключен при 0 волта и включен при 5V](../../../../../translated_images/bg/led.ec6d94f66676a174.webp) ✅ Какви други прости изпълнителни механизми с две състояния можете да измислите? Един пример е соленоид, който е електромагнит, който може да се активира, за да извършва действия като преместване на болт за заключване/отключване на врата. diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 257c45e0a..0a2943049 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED идва като модул с избор от светодиоди, Свържете LED. -![Grove LED](../../../../../translated_images/bg/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/bg/grove-led.6c853be93f473cf2.webp) 1. Изберете любимия си LED и поставете крачетата му в двете отвори на LED модула. @@ -40,7 +40,7 @@ Grove LED идва като модул с избор от светодиоди, 1. С изключен Raspberry Pi свържете другия край на Grove кабела към цифровото гнездо, маркирано **D5** на Grove Base hat, прикрепен към Pi. Това гнездо е второто отляво, на реда от гнезда до GPIO пиновете. -![Grove LED, свързан към гнездо D5](../../../../../translated_images/bg/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED, свързан към гнездо D5](../../../../../translated_images/bg/pi-led.97f1d474981dc35d.webp) ## Програмирайте нощната лампа diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 3dd8b761c..c4a15e649 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove светлинният сензор, който се използва за Свържете светлинния сензор. -![Grove светлинен сензор](../../../../../translated_images/bg/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove светлинен сензор](../../../../../translated_images/bg/grove-light-sensor.b8127b7c434e632d.webp) 1. Поставете единия край на Grove кабела в гнездото на модула на светлинния сензор. Кабелът може да бъде поставен само в една посока. 1. С изключен Raspberry Pi свържете другия край на Grove кабела към аналоговото гнездо, обозначено като **A0** на Grove Base hat, прикрепен към Pi. Това гнездо е второто отдясно в реда от гнезда до GPIO пиновете. -![Grove светлинен сензор, свързан към гнездо A0](../../../../../translated_images/bg/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove светлинен сензор, свързан към гнездо A0](../../../../../translated_images/bg/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Програмиране на светлинния сензор diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 792ecdf36..a852abafe 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Otherwise 1. Натиснете бутона **Add**, за да създадете LED на Pin 5. - ![Настройки на LED](../../../../../translated_images/bg/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Настройки на LED](../../../../../translated_images/bg/counterfit-create-led.ba9db1c9b8c622a6.webp) LED ще бъде създаден и ще се появи в списъка с изпълнителни механизми. - ![Създаден LED](../../../../../translated_images/bg/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Създаден LED](../../../../../translated_images/bg/counterfit-led.c0ab02de6d256ad8.webp) След като LED е създаден, можете да промените цвета му, използвайки инструмента *Color picker*. Натиснете бутона **Set**, за да промените цвета, след като сте го избрали. diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index 45f094470..67f128a2f 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ 1. Натиснете бутона **Add**, за да създадете светлинния сензор на Pin 0. - ![Настройки на светлинния сензор](../../../../../translated_images/bg/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Настройки на светлинния сензор](../../../../../translated_images/bg/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Светлинният сензор ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден светлинен сензор](../../../../../translated_images/bg/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Създаден светлинен сензор](../../../../../translated_images/bg/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Програмиране на светлинния сензор diff --git a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index 8d1a1f02f..84ad1603c 100644 --- a/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/bg/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED идва като модул с избор от светодиоди, Свържете LED-а. -![Grove LED](../../../../../translated_images/bg/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/bg/grove-led.6c853be93f473cf2.webp) 1. Изберете любимия си LED и поставете крачетата му в двете дупки на LED модула. diff --git a/translations/bg/1-getting-started/lessons/4-connect-internet/README.md b/translations/bg/1-getting-started/lessons/4-connect-internet/README.md index aae3d7a48..ceb0f470a 100644 --- a/translations/bg/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/bg/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Свържете устройството си с интернет -![Скица на урока](../../../../../translated_images/bg/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-4.7344e074ea68fa54.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -47,7 +47,7 @@ MQTT е най-популярният комуникационен проток MQTT има един брокер и множество клиенти. Всички клиенти се свързват с брокера, а брокерът маршрутизира съобщенията към съответните клиенти. Съобщенията се маршрутизират чрез именувани теми, вместо да се изпращат директно към индивидуален клиент. Клиент може да публикува в тема, а всички клиенти, които са абонирани за тази тема, ще получат съобщението. -![IoT устройство публикува телеметрия в темата /telemetry, а облачната услуга се абонира за тази тема](../../../../../translated_images/bg/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT устройство публикува телеметрия в темата /telemetry, а облачната услуга се абонира за тази тема](../../../../../translated_images/bg/mqtt.cbf7f21d9adc3e17.webp) ✅ Направете проучване. Ако имате много IoT устройства, как можете да гарантирате, че вашият MQTT брокер може да обработи всички съобщения? @@ -69,7 +69,7 @@ MQTT има един брокер и множество клиенти. Всич > 💁 Този тестов брокер е публичен и не е защитен. Всеки може да слуша какво публикувате, така че не трябва да се използва за данни, които трябва да останат поверителни. -![Диаграма на заданието, показваща как нивата на светлина се четат и проверяват, а LED се управлява](../../../../../translated_images/bg/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Диаграма на заданието, показваща как нивата на светлина се четат и проверяват, а LED се управлява](../../../../../translated_images/bg/assignment-1-internet-flow.3256feab5f052fd2.webp) Следвайте съответната стъпка по-долу, за да свържете устройството си с MQTT брокера: @@ -350,7 +350,7 @@ MQTT връзките могат да бъдат публични и отвор Дизайнерите на IoT устройства също трябва да обмислят дали IoT устройството може да бъде използвано по време на прекъсване на интернет или загуба на сигнал, причинена от местоположение. Умният термостат трябва да може да взема някои ограничени решения за контрол на отоплението, ако не може да изпраща телеметрия към облака поради прекъсване. -[![Този Ferrari беше блокиран, защото някой се опита да го обнови под земята, където няма клетъчен сигнал](../../../../../translated_images/bg/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Този Ferrari беше блокиран, защото някой се опита да го обнови под земята, където няма клетъчен сигнал](../../../../../translated_images/bg/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) За MQTT, за да се справи със загуба на свързаност, устройството и сървърният код ще трябва да бъдат отговорни за осигуряване на доставката на съобщения, ако е необходимо, например чрез изискване всички изпратени съобщения да бъдат отговорени с допълнителни съобщения на тема за отговор, и ако не, те да бъдат опашени ръчно, за да бъдат преиграни по-късно. @@ -358,7 +358,7 @@ MQTT връзките могат да бъдат публични и отвор Командите са съобщения, изпратени от облака към устройство, инструктиращи го да направи нещо. Повечето от времето това включва даване на някакъв вид изход чрез актуатор, но може да бъде инструкция за самото устройство, като например да се рестартира или да събере допълнителна телеметрия и да я върне като отговор на командата. -![Интернет свързан термостат, получаващ команда за включване на отоплението](../../../../../translated_images/bg/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Интернет свързан термостат, получаващ команда за включване на отоплението](../../../../../translated_images/bg/commands.d6c06bbbb3a02cce.webp) Термостат може да получи команда от облака да включи отоплението. Въз основа на телеметричните данни от всички сензори, ако облачната услуга е решила, че отоплението трябва да бъде включено, тя изпраща съответната команда. diff --git a/translations/bg/2-farm/lessons/1-predict-plant-growth/README.md b/translations/bg/2-farm/lessons/1-predict-plant-growth/README.md index bb0a84a3b..6b58ec09c 100644 --- a/translations/bg/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/bg/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## Прогнозиране на растежа на растенията с IoT -![Скица на урока](../../../../../translated_images/bg/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-5.42b234299279d263.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -90,7 +90,7 @@ Пълната формула за GDD е малко сложна, но има опростено уравнение, което често се използва като добра приблизителност: -![GDD = T max + T min разделено на 2, всичко минус T base](../../../../../translated_images/bg/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min разделено на 2, всичко минус T base](../../../../../translated_images/bg/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - това е броят на дните на растеж * **T max** - това е дневната максимална температура в градуси Целзий @@ -118,7 +118,7 @@ Това дава изчисление: -![GDD = 16 + 12 разделено на 2, всичко минус 10, дава отговор 4](../../../../../translated_images/bg/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 разделено на 2, всичко минус 10, дава отговор 4](../../../../../translated_images/bg/gdd-calculation-corn.64a58b7a7afcd0df.webp) Царевицата е получила 4 GDD за този ден. Ако приемем сорт царевица, който се нуждае от 800 GDD, за да узрее, ще са необходими още 796 GDD, за да достигне зрелост. @@ -231,7 +231,7 @@ CSV файлът ще има две колони - *дата* и *темпера Например, ако най-високата температура за деня е 25°C, а най-ниската е 12°C: -![GDD = 25 + 12 разделено на 2, след това извадете 10 от резултата, което дава 8.5](../../../../../translated_images/bg/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 разделено на 2, след това извадете 10 от резултата, което дава 8.5](../../../../../translated_images/bg/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/bg/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/bg/2-farm/lessons/1-predict-plant-growth/assignment.md index c070a8dc9..276682ba0 100644 --- a/translations/bg/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/bg/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Jupyter ще се стартира и ще отвори notebook-а във вашия браузър. Следвайте инструкциите в notebook-а, за да визуализирате измерените температури и да изчислите дните на растеж (GDD). - ![Jupyter Notebook](../../../../../translated_images/bg/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter Notebook](../../../../../translated_images/bg/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Критерии за оценка diff --git a/translations/bg/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/bg/2-farm/lessons/1-predict-plant-growth/pi-temp.md index e5541c897..92d8e00d1 100644 --- a/translations/bg/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/bg/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,13 +16,13 @@ Свържете температурния сензор -![Температурен сензор Grove](../../../../../translated_images/bg/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Температурен сензор Grove](../../../../../translated_images/bg/grove-dht11.07f8eafceee17004.webp) 1. Поставете единия край на кабела Grove в гнездото на сензора за влажност и температура. Кабелът може да бъде поставен само в една посока. 1. С изключен Raspberry Pi свържете другия край на кабела Grove към цифровото гнездо, обозначено като **D5** на Grove Base hat, прикрепен към Pi. Това гнездо е второто отляво, в реда от гнезда до GPIO пиновете. -![Температурният сензор Grove, свързан към гнездото A0](../../../../../translated_images/bg/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png) +![Температурният сензор Grove, свързан към гнездото A0](../../../../../translated_images/bg/pi-temperature-sensor.3ff82fff672c8e56.webp) ## Програмиране на температурния сензор diff --git a/translations/bg/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/bg/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 273bd91f2..e8950319c 100644 --- a/translations/bg/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/bg/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ 1. Натиснете бутона **Add**, за да създадете сензора за влажност на Pin 5. - ![Настройки на сензора за влажност](../../../../../translated_images/bg/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Настройки на сензора за влажност](../../../../../translated_images/bg/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Сензорът за влажност ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден сензор за влажност](../../../../../translated_images/bg/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Създаден сензор за влажност](../../../../../translated_images/bg/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Създайте температурен сензор: @@ -54,11 +54,11 @@ 1. Натиснете бутона **Add**, за да създадете температурния сензор на Pin 6. - ![Настройки на температурния сензор](../../../../../translated_images/bg/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Настройки на температурния сензор](../../../../../translated_images/bg/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Температурният сензор ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден температурен сензор](../../../../../translated_images/bg/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Създаден температурен сензор](../../../../../translated_images/bg/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Програмиране на приложението за температурния сензор diff --git a/translations/bg/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/bg/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 5725ca0e6..8ac35ca0b 100644 --- a/translations/bg/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/bg/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove температурният сензор може да бъде свър Свържете температурния сензор. -![Grove температурен сензор](../../../../../translated_images/bg/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove температурен сензор](../../../../../translated_images/bg/grove-dht11.07f8eafceee17004.webp) 1. Поставете единия край на Grove кабела в гнездото на сензора за влажност и температура. Той ще влезе само в една посока. diff --git a/translations/bg/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/bg/2-farm/lessons/2-detect-soil-moisture/README.md index cbd5fd755..c21c38e3d 100644 --- a/translations/bg/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/bg/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C има шина, състояща се от 2 основни проводн | VCC | Общ колектор на напрежение | Захранването за устройствата. Това е свързано към проводниците SDA и SCL, за да осигури тяхното захранване чрез pull-up резистор, който изключва сигнала, когато няма устройство, което да е контролер. | | GND | Земя | Осигурява обща земя за електрическата верига. | -![I2C шина с 3 устройства, свързани към проводниците SDA и SCL, споделящи общ проводник за земя](../../../../../translated_images/bg/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C шина с 3 устройства, свързани към проводниците SDA и SCL, споделящи общ проводник за земя](../../../../../translated_images/bg/i2c.83da845dde02256b.webp) За да изпрати данни, едно устройство издава стартово условие, за да покаже, че е готово да изпрати данни. След това то става контролер. Контролерът изпраща адреса на устройството, с което иска да комуникира, заедно с информация дали иска да чете или записва данни. След като данните са предадени, контролерът изпраща стоп условие, за да покаже, че е приключил. След това друго устройство може да стане контролер и да изпраща или получава данни. diff --git a/translations/bg/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/bg/2-farm/lessons/2-detect-soil-moisture/assignment.md index 75966c31c..04d77c95d 100644 --- a/translations/bg/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/bg/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Гравиметричната почвена влажност се изчислява по следната формула: -![почвена влажност % е теглото на мократа почва минус теглото на сухата почва, разделено на теглото на сухата почва, умножено по 100](../../../../../translated_images/bg/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![почвена влажност % е теглото на мократа почва минус теглото на сухата почва, разделено на теглото на сухата почва, умножено по 100](../../../../../translated_images/bg/gsm-calculation.6da38c6201eec14e.webp) * W - теглото на мократа почва * W - теглото на сухата почва Например, да кажем, че имате почвена проба с тегло 212 г мокра и 197 г суха. -![Попълнено изчисление](../../../../../translated_images/bg/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Попълнено изчисление](../../../../../translated_images/bg/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212 г * W = 197 г diff --git a/translations/bg/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/bg/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index b2064efbc..90347fcde 100644 --- a/translations/bg/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/bg/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Grove сензорът за влажност на почвата може да Свържете сензора за влажност на почвата. -![Сензор за влажност на почвата Grove](../../../../../translated_images/bg/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Сензор за влажност на почвата Grove](../../../../../translated_images/bg/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Поставете единия край на Grove кабела в гнездото на сензора за влажност на почвата. Кабелът може да бъде поставен само в една посока. 1. С изключено захранване на Raspberry Pi свържете другия край на Grove кабела към аналоговото гнездо, маркирано като **A0**, на Grove Base Hat, прикрепен към Pi. Това гнездо е второто отдясно в реда от гнезда до GPIO пиновете. -![Сензорът за влажност на почвата Grove, свързан към гнездото A0](../../../../../translated_images/bg/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Сензорът за влажност на почвата Grove, свързан към гнездото A0](../../../../../translated_images/bg/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Поставете сензора за влажност на почвата в почвата. Той има линия за "най-висока позиция" – бяла линия, която минава през сензора. Поставете сензора до тази линия, но не я преминавайте. diff --git a/translations/bg/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/bg/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 34ad9fd35..63f72efc2 100644 --- a/translations/bg/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/bg/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ 1. Натиснете бутона **Add**, за да създадете сензора *Soil Moisture* на Pin 0. - ![Настройки на сензора за влажност на почвата](../../../../../translated_images/bg/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Настройки на сензора за влажност на почвата](../../../../../translated_images/bg/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Сензорът за влажност на почвата ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден сензор за влажност на почвата](../../../../../translated_images/bg/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Създаден сензор за влажност на почвата](../../../../../translated_images/bg/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Програмиране на приложението за сензор за влажност на почвата diff --git a/translations/bg/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/bg/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 42098ec4d..d5439b5c4 100644 --- a/translations/bg/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/bg/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove сензорът за влажност на почвата може да Свържете сензора за влажност на почвата. -![Grove сензор за влажност на почвата](../../../../../translated_images/bg/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove сензор за влажност на почвата](../../../../../translated_images/bg/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Поставете единия край на Grove кабела в гнездото на сензора за влажност на почвата. Той ще влезе само в една посока. diff --git a/translations/bg/2-farm/lessons/3-automated-plant-watering/README.md b/translations/bg/2-farm/lessons/3-automated-plant-watering/README.md index e8d64eb8c..282c58b0a 100644 --- a/translations/bg/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/bg/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Автоматизирано поливане на растения -![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-7.30b5f577d3cb8e03.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -32,7 +32,7 @@ IoT устройствата използват ниско напрежение. Решението за това е да имате помпа, свързана към външно захранване, и да използвате изпълнителен механизъм за включване на помпата, подобно на това как бихте включили лампа. Необходима е малка мощност (под формата на енергия в тялото ви), за да може пръстът ви да натисне ключа, и това свързва лампата към електрическата мрежа, работеща на 110v/240v. -![Ключ за лампа включва захранването към лампата](../../../../../translated_images/bg/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Ключ за лампа включва захранването към лампата](../../../../../translated_images/bg/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Електрическата мрежа](https://wikipedia.org/wiki/Mains_electricity) се отнася до електричеството, доставяно до домове и бизнеси чрез национална инфраструктура в много части на света. @@ -72,7 +72,7 @@ IoT устройствата използват ниско напрежение. Електромагнитът не се нуждае от много мощност, за да се активира и да издърпа лоста, той може да се контролира с 3.3V или 5V изход от IoT dev kit. Изходната верига може да носи много повече мощност, в зависимост от релето, включително напрежение от електрическата мрежа или дори по-високи нива на мощност за индустриална употреба. По този начин IoT dev kit може да контролира система за напояване, от малка помпа за едно растение до огромна индустриална система за цяла търговска ферма. -![Реле Grove с обозначени управляваща верига, изходна верига и реле](../../../../../translated_images/bg/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Реле Grove с обозначени управляваща верига, изходна верига и реле](../../../../../translated_images/bg/grove-relay-labelled.293e068f5c3c2a19.webp) Изображението по-горе показва реле Grove. Управляващата верига се свързва към IoT устройство и включва или изключва релето, използвайки 3.3V или 5V. Изходната верига има два терминала, всеки от тях може да бъде захранване или земя. Изходната верига може да обработва до 250V при 10A, достатъчно за редица устройства, захранвани от електрическата мрежа. Можете да получите релета, които могат да обработват дори по-високи нива на мощност. diff --git a/translations/bg/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/bg/2-farm/lessons/3-automated-plant-watering/pi-relay.md index c8dc778f3..98ff17f64 100644 --- a/translations/bg/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/bg/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove релето може да бъде свързано към Raspberry Pi. Свържете релето. -![Grove реле](../../../../../translated_images/bg/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove реле](../../../../../translated_images/bg/grove-relay.d426958ca210fbd0.webp) 1. Поставете единия край на Grove кабела в гнездото на релето. Той ще влезе само в една посока. 1. С изключено захранване на Raspberry Pi, свържете другия край на Grove кабела към цифровото гнездо, означено като **D5** на Grove Base Hat, прикрепен към Pi. Това гнездо е второто отляво, на реда с гнезда до GPIO пиновете. Оставете сензора за влажност на почвата свързан към гнездото **A0**. -![Grove релето свързано към гнездото D5, а сензорът за влажност на почвата свързан към гнездото A0](../../../../../translated_images/bg/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove релето свързано към гнездото D5, а сензорът за влажност на почвата свързан към гнездото A0](../../../../../translated_images/bg/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Поставете сензора за влажност на почвата в почвата, ако вече не е поставен от предишния урок. diff --git a/translations/bg/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/bg/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 26173e19a..78072f4bf 100644 --- a/translations/bg/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/bg/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ 1. Изберете бутона **Add**, за да създадете релето на Pin 5. - ![Настройки на релето](../../../../../translated_images/bg/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Настройки на релето](../../../../../translated_images/bg/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Релето ще бъде създадено и ще се появи в списъка с актуатори. - ![Създадено реле](../../../../../translated_images/bg/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Създадено реле](../../../../../translated_images/bg/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Програмиране на релето diff --git a/translations/bg/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/bg/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index d50e08671..287fd25d3 100644 --- a/translations/bg/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/bg/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove релето може да бъде свързано към цифрови Свържете релето. -![Grove реле](../../../../../translated_images/bg/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove реле](../../../../../translated_images/bg/grove-relay.d426958ca210fbd0.webp) 1. Поставете единия край на Grove кабела в гнездото на релето. Той ще влезе само в една посока. diff --git a/translations/bg/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/bg/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 82d077f53..603ba9d14 100644 --- a/translations/bg/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/bg/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Мигрирайте вашето растение към облака -![Скица на урока](../../../../../translated_images/bg/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-8.3f21f3c11159e6a0.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -46,8 +46,8 @@ IoT устройството комуникира с публичен MQTT бр Облакът често се нарича шеговито "компютър на някой друг". Първоначалната идея беше проста - вместо да купувате компютри, наемате компютър на някой друг. Някой друг, доставчик на облачни услуги, управлява огромни центрове за данни. Те отговарят за закупуването и инсталирането на хардуера, управлението на електрозахранването и охлаждането, мрежовата свързаност, сигурността на сградата, актуализациите на хардуера и софтуера - всичко. Като клиент, вие наемате компютрите, които ви трябват, наемате повече, когато търсенето се увеличава, и намалявате броя, когато търсенето намалява. Тези облачни центрове за данни са разположени по целия свят. -![Облачен център за данни на Microsoft](../../../../../translated_images/bg/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Планирано разширение на облачен център за данни на Microsoft](../../../../../translated_images/bg/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Облачен център за данни на Microsoft](../../../../../translated_images/bg/azure-region-existing.73f704604f2aa6cb.webp) +![Планирано разширение на облачен център за данни на Microsoft](../../../../../translated_images/bg/azure-region-planned-expansion.a5074a1e8af74f15.webp) Тези центрове за данни могат да бъдат с площ от няколко квадратни километра. Изображенията по-горе са направени преди няколко години в облачен център за данни на Microsoft и показват първоначалния размер, както и планираното разширение. Разчистената площ за разширението е над 5 квадратни километра. @@ -108,11 +108,11 @@ IoT услугите в облака решават тези проблеми. IoT устройствата се свързват с облачна услуга или чрез SDK за устройства (библиотека, която предоставя код за работа с функциите на услугата), или директно чрез комуникационен протокол като MQTT или HTTP. SDK за устройства обикновено е най-лесният начин, тъй като се грижи за всичко, като например знае кои теми да публикува или абонира, и как да обработва сигурността. -![Устройствата се свързват с услуга чрез SDK за устройства. Сървърният код също се свързва с услугата чрез SDK](../../../../../translated_images/bg/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Устройствата се свързват с услуга чрез SDK за устройства. Сървърният код също се свързва с услугата чрез SDK](../../../../../translated_images/bg/iot-service-connectivity.7e873847921a5d6f.webp) Вашето устройство след това комуникира с други части на вашето приложение чрез тази услуга - подобно на начина, по който изпращахте телеметрия и получавахте команди чрез MQTT. Това обикновено става чрез SDK за услуги или подобна библиотека. Съобщенията идват от вашето устройство към услугата, където други компоненти на вашето приложение могат да ги прочетат, а съобщенията могат да бъдат изпратени обратно към вашето устройство. -![Устройства без валиден таен ключ не могат да се свържат с IoT услугата](../../../../../translated_images/bg/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Устройства без валиден таен ключ не могат да се свържат с IoT услугата](../../../../../translated_images/bg/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Тези услуги внедряват сигурност, като знаят за всички устройства, които могат да се свържат и изпращат данни, или чрез предварителна регистрация на устройствата в услугата, или чрез предоставяне на устройства с тайни ключове или сертификати, които могат да използват за регистрация в услугата при първото свързване. Непознати устройства не могат да се свържат; ако опитат, услугата отхвърля връзката и игнорира изпратените от тях съобщения. @@ -124,7 +124,7 @@ IoT устройствата се свързват с облачна услуг Сега, когато имате абонамент за Azure, можете да се регистрирате за IoT услуга. IoT услугата на Microsoft се нарича Azure IoT Hub. -![Логото на Azure IoT Hub](../../../../../translated_images/bg/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Логото на Azure IoT Hub](../../../../../translated_images/bg/azure-iot-hub-logo.28a19de76d0a1932.webp) Видеото по-долу предоставя кратък преглед на Azure IoT Hub: diff --git a/translations/bg/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/bg/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index e0a3696d8..38480b886 100644 --- a/translations/bg/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/bg/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Мигрирайте логиката на вашето приложение към облака -![Скица на урока](../../../../../translated_images/bg/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-9.dfe99c8e891f48e1.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -28,7 +28,7 @@ Serverless, или serverless изчисления, включва създаването на малки блокове код, които се изпълняват в облака в отговор на различни видове събития. Когато събитието се случи, вашият код се изпълнява и получава данни за събитието. Тези събития могат да бъдат от различни източници, включително уеб заявки, съобщения в опашка, промени в база данни или съобщения, изпратени към IoT услуга от IoT устройства. -![Събития, изпратени от IoT услуга към serverless услуга, обработвани едновременно от множество функции](../../../../../translated_images/bg/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Събития, изпратени от IoT услуга към serverless услуга, обработвани едновременно от множество функции](../../../../../translated_images/bg/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ако сте използвали тригери в база данни, можете да мислите за това като за нещо подобно – код, който се задейства от събитие, като например добавяне на ред. @@ -54,7 +54,7 @@ Serverless, или serverless изчисления, включва създав Услугата за serverless изчисления от Microsoft се нарича Azure Functions. -![Лого на Azure Functions](../../../../../translated_images/bg/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Лого на Azure Functions](../../../../../translated_images/bg/azure-functions-logo.1cfc8e3204c9c44a.webp) Краткото видео по-долу предоставя преглед на Azure Functions. diff --git a/translations/bg/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/bg/2-farm/lessons/6-keep-your-plant-secure/README.md index 604333b15..26e884a1e 100644 --- a/translations/bg/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/bg/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Поддържайте вашето растение защитено -![Скица на урока](../../../../../translated_images/bg/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-10.829c86b80b9403bb.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -52,11 +52,11 @@ IoT сигурността включва гарантиране, че само Когато устройство се свързва с IoT услуга, то използва идентификатор, за да се идентифицира. Проблемът е, че този идентификатор може да бъде клониран – хакер може да настрои злонамерено устройство, което използва същия идентификатор като истинското устройство, но изпраща фалшиви данни. -![И истински, и злонамерени устройства могат да използват един и същ идентификатор, за да изпращат телеметрия](../../../../../translated_images/bg/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![И истински, и злонамерени устройства могат да използват един и същ идентификатор, за да изпращат телеметрия](../../../../../translated_images/bg/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Решението на този проблем е да се преобразуват данните, които се изпращат, в разбъркан формат, използвайки стойност, известна само на устройството и облака. Този процес се нарича *криптиране*, а стойността, използвана за криптиране на данните, се нарича *ключ за криптиране*. -![Ако се използва криптиране, само криптирани съобщения ще бъдат приети, останалите ще бъдат отхвърлени](../../../../../translated_images/bg/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ако се използва криптиране, само криптирани съобщения ще бъдат приети, останалите ще бъдат отхвърлени](../../../../../translated_images/bg/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Облачната услуга може след това да преобразува данните обратно в четим формат, използвайки процес, наречен *декриптиране*, като използва или същия ключ за криптиране, или *ключ за декриптиране*. Ако криптираното съобщение не може да бъде декриптирано с ключа, устройството е било хакнато и съобщението се отхвърля. diff --git a/translations/bg/3-transport/lessons/1-location-tracking/README.md b/translations/bg/3-transport/lessons/1-location-tracking/README.md index c192d0a5f..e35322dac 100644 --- a/translations/bg/3-transport/lessons/1-location-tracking/README.md +++ b/translations/bg/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Проследяване на местоположението -![Скица на урока](../../../../../translated_images/bg/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-11.9fddbac4b664c6d5.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -63,13 +63,13 @@ IoT трансформира начина, по който се транспор > 💁 Никой не знае със сигурност оригиналната причина защо кръговете са разделени на 360 градуса. [Страницата за градус (ъгъл) в Уикипедия](https://wikipedia.org/wiki/Degree_(angle)) обяснява някои от възможните причини. -![Линии на ширина от 90° на Северния полюс, 45° между Северния полюс и екватора, 0° на екватора, -45° между екватора и Южния полюс и -90° на Южния полюс](../../../../../translated_images/bg/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Линии на ширина от 90° на Северния полюс, 45° между Северния полюс и екватора, 0° на екватора, -45° между екватора и Южния полюс и -90° на Южния полюс](../../../../../translated_images/bg/latitude-lines.11d8d91dfb2014a5.webp) Ширината се измерва с линии, които обикалят Земята и са успоредни на екватора, разделяйки Северното и Южното полукълбо на по 90°. Екваторът е на 0°, Северният полюс е на 90°, известен също като 90° северна ширина, а Южният полюс е на -90°, или 90° южна ширина. Дължината се измерва като броя на градусите, измерени на изток и запад. Началната точка на дължината е *първият меридиан*, който е дефиниран през 1884 г. като линия от Северния до Южния полюс, преминаваща през [Кралската обсерватория в Гринуич, Англия](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Линии на дължина от -180° на запад от първия меридиан, до 0° на първия меридиан, до 180° на изток от първия меридиан](../../../../../translated_images/bg/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Линии на дължина от -180° на запад от първия меридиан, до 0° на първия меридиан, до 180° на изток от първия меридиан](../../../../../translated_images/bg/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Меридиан е въображаема права линия, която преминава от Северния полюс до Южния полюс, образувайки полукръг. @@ -100,7 +100,7 @@ IoT трансформира начина, по който се транспор * Ширина от 47.6423109 (47.6423109 градуса северно от екватора) * Дължина от -122.1390293 (122.1390293 градуса западно от първия меридиан). -![Кампусът на Microsoft на 47.6423109,-122.117198](../../../../../translated_images/bg/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Кампусът на Microsoft на 47.6423109,-122.117198](../../../../../translated_images/bg/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Глобални позициониращи системи (GPS) @@ -112,7 +112,7 @@ GPS системите работят, като имат редица сател > 💁 GPS сензорите се нуждаят от антени, за да засичат радиовълни. Антените, вградени в камиони и автомобили с вграден GPS, са позиционирани така, че да получават добър сигнал, обикновено на предното стъкло или покрива. Ако използвате отделна GPS система, като смартфон или IoT устройство, трябва да се уверите, че антената, вградена в GPS системата или телефона, има ясен изглед към небето, например като е монтирана на предното стъкло. -![Чрез знанието на разстоянието от сензора до множество сателити, местоположението може да бъде изчислено](../../../../../translated_images/bg/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Чрез знанието на разстоянието от сензора до множество сателити, местоположението може да бъде изчислено](../../../../../translated_images/bg/gps-satellites.04acf1148fe25fbf.webp) GPS сателитите обикалят Земята, а не са на фиксирана точка над сензора, така че данните за местоположението включват височина над морското равнище, както и ширина и дължина. diff --git a/translations/bg/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/bg/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index e23102de3..578c44d6a 100644 --- a/translations/bg/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/bg/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS сензорът може да бъде свързан към Raspberr Свържете GPS сензора. -![Grove GPS сензор](../../../../../translated_images/bg/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS сензор](../../../../../translated_images/bg/grove-gps-sensor.247943bf69b03f0d.webp) 1. Поставете единия край на Grove кабела в гнездото на GPS сензора. Кабелът може да бъде поставен само в една посока. 1. С изключен Raspberry Pi, свържете другия край на Grove кабела към гнездото UART, маркирано **UART** на Grove Base шапката, прикрепена към Pi. Това гнездо се намира на средния ред, от страната, най-близка до слота за SD карта, противоположно на USB портовете и Ethernet гнездото. - ![Grove GPS сензор, свързан към гнездото UART](../../../../../translated_images/bg/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS сензор, свързан към гнездото UART](../../../../../translated_images/bg/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Поставете GPS сензора така, че прикрепената антена да има видимост към небето - идеално до отворен прозорец или навън. По-лесно е да получите ясен сигнал, когато няма препятствия пред антената. diff --git a/translations/bg/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/bg/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 88d2e9a97..776f83e72 100644 --- a/translations/bg/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/bg/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ 1. Изберете бутона **Add**, за да създадете GPS сензора на порт `/dev/ttyAMA0`. - ![Настройки на GPS сензора](../../../../../translated_images/bg/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Настройки на GPS сензора](../../../../../translated_images/bg/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS сензорът ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден GPS сензор](../../../../../translated_images/bg/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Създаден GPS сензор](../../../../../translated_images/bg/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Програмиране на GPS сензора @@ -102,17 +102,17 @@ * Задайте **Source** на `Lat/Lon` и задайте конкретна ширина, дължина и брой сателити, използвани за GPS фиксация. Тази стойност ще бъде изпратена само веднъж, така че маркирайте полето **Repeat**, за да се повтаря данните всяка секунда. - ![GPS сензор с избрани Lat/Lon](../../../../../translated_images/bg/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS сензор с избрани Lat/Lon](../../../../../translated_images/bg/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Задайте **Source** на `NMEA` и добавете няколко NMEA изречения в текстовото поле. Всички тези стойности ще бъдат изпратени, като има забавяне от 1 секунда преди всяко ново GGA (позиционна фиксация) изречение да бъде прочетено. - ![GPS сензор с зададени NMEA изречения](../../../../../translated_images/bg/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS сензор с зададени NMEA изречения](../../../../../translated_images/bg/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Можете да използвате инструмент като [nmeagen.org](https://www.nmeagen.org), за да генерирате тези изречения, като рисувате върху карта. Тези стойности ще бъдат изпратени само веднъж, така че маркирайте полето **Repeat**, за да се повтарят данните една секунда след като всички са изпратени. * Задайте **Source** на GPX файл и качете GPX файл с местоположения на тракове. Можете да изтеглите GPX файлове от редица популярни сайтове за карти и туризъм, като [AllTrails](https://www.alltrails.com/). Тези файлове съдържат множество GPS местоположения като трак, а GPS сензорът ще връща всяко ново местоположение на интервали от 1 секунда. - ![GPS сензор с зададен GPX файл](../../../../../translated_images/bg/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS сензор с зададен GPX файл](../../../../../translated_images/bg/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Тези стойности ще бъдат изпратени само веднъж, така че маркирайте полето **Repeat**, за да се повтарят данните една секунда след като всички са изпратени. diff --git a/translations/bg/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/bg/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 7254b12b9..4d4fb23fa 100644 --- a/translations/bg/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/bg/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS сензорът може да бъде свързан към Wio Term Свържете GPS сензора. -![Grove GPS сензор](../../../../../translated_images/bg/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS сензор](../../../../../translated_images/bg/grove-gps-sensor.247943bf69b03f0d.webp) 1. Поставете единия край на Grove кабела в гнездото на GPS сензора. Той ще влезе само в една посока. diff --git a/translations/bg/3-transport/lessons/2-store-location-data/README.md b/translations/bg/3-transport/lessons/2-store-location-data/README.md index 6b079aa5b..77501c15b 100644 --- a/translations/bg/3-transport/lessons/2-store-location-data/README.md +++ b/translations/bg/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Съхраняване на данни за местоположение -![Скица на урока](../../../../../translated_images/bg/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-12.ca7f53039712a3ec.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -75,7 +75,7 @@ NoSQL базите данни се наричат така, защото ням > 💁 Въпреки името си, някои NoSQL бази данни позволяват използването на SQL за извличане на данни. -![Документи в папки в NoSQL база данни](../../../../../translated_images/bg/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Документи в папки в NoSQL база данни](../../../../../translated_images/bg/noqsl-database.62d24ccf5b73f60d.webp) NoSQL базите данни нямат предварително дефинирана схема, която ограничава начина на съхранение на данни. Вместо това можете да вмъквате всякакви неструктурирани данни, обикновено използвайки JSON документи. Тези документи могат да бъдат организирани в папки, подобно на файлове на вашия компютър. Всеки документ може да има различни полета от другите документи - например, ако съхранявате IoT данни от селскостопански превозни средства, някои може да имат полета за данни от акселерометър и скорост, а други - за температура в ремаркето. Ако добавите нов тип камион, например такъв с вградени везни за проследяване на теглото на превозваната продукция, вашето IoT устройство може да добави това ново поле и то може да бъде съхранено без промени в базата данни. @@ -89,7 +89,7 @@ NoSQL базите данни нямат предварително дефини В последния урок улавяхте GPS данни от GPS сензор, свързан с вашето IoT устройство. За да съхраните тези IoT данни в облака, трябва да ги изпратите към IoT услуга. Отново ще използвате Azure IoT Hub, същата IoT облачна услуга, която използвахте в предишния проект. -![Изпращане на GPS телеметрия от IoT устройство към IoT Hub](../../../../../translated_images/bg/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Изпращане на GPS телеметрия от IoT устройство към IoT Hub](../../../../../translated_images/bg/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Задача - изпращане на GPS данни към IoT Hub @@ -171,7 +171,7 @@ message = Message(json.dumps(message_json)) След като данните започнат да се изпращат към вашия IoT Hub, можете да напишете безсървърен код, който да слуша събития, публикувани към Event-Hub съвместимия край. Това е топлият път - тези данни ще бъдат съхранени и използвани в следващия урок за отчитане на пътуването. -![Изпращане на GPS телеметрия от IoT устройство към IoT Hub, след това към Azure Functions чрез event hub trigger](../../../../../translated_images/bg/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Изпращане на GPS телеметрия от IoT устройство към IoT Hub, след това към Azure Functions чрез event hub trigger](../../../../../translated_images/bg/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Задача - обработка на GPS събития с безсървърен код @@ -193,7 +193,7 @@ message = Message(json.dumps(message_json)) ## Azure Storage Accounts -![Логото на Azure Storage](../../../../../translated_images/bg/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Логото на Azure Storage](../../../../../translated_images/bg/azure-storage-logo.605c0f602c640d48.webp) Azure Storage Accounts е универсална услуга за съхранение, която може да съхранява данни по различни начини. Можете да съхранявате данни като блобове, в опашки, в таблици или като файлове, и всичко това едновременно. diff --git a/translations/bg/3-transport/lessons/3-visualize-location-data/README.md b/translations/bg/3-transport/lessons/3-visualize-location-data/README.md index 4b9c53aca..3eb6543eb 100644 --- a/translations/bg/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/bg/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Визуализиране на данни за местоположение -![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Скица, обобщаваща този урок](../../../../../translated_images/bg/lesson-13.a259db1485021be7.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -64,11 +64,11 @@ За човек разбирането на тези данни може да бъде трудно. Това е стена от числа без контекст. Като първа стъпка към визуализацията на тези данни, те могат да бъдат нанесени на линейна диаграма: -![Линейна диаграма на горните данни](../../../../../translated_images/bg/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Линейна диаграма на горните данни](../../../../../translated_images/bg/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Тази диаграма може да бъде допълнително подобрена, като се добави линия, която показва кога автоматичната система за напояване се е включила при стойност на влажността на почвата от 450: -![Линейна диаграма на влажността на почвата с линия при 450](../../../../../translated_images/bg/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Линейна диаграма на влажността на почвата с линия при 450](../../../../../translated_images/bg/chart-soil-moisture-relay.fbb391236d34a64d.webp) Тази диаграма показва много бързо не само какви са били нивата на влажност на почвата, но и точките, в които системата за напояване се е включила. @@ -84,7 +84,7 @@ Работата с карти е интересна задача, като има много опции за избор, като Bing Maps, Leaflet, Open Street Maps и Google Maps. В този урок ще научите за [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) и как те могат да визуализират вашите GPS данни. -![Лого на Azure Maps](../../../../../translated_images/bg/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Лого на Azure Maps](../../../../../translated_images/bg/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps е "колекция от геопространствени услуги и SDK, които използват актуални картографски данни, за да предоставят географски контекст за уеб и мобилни приложения." Разработчиците разполагат с инструменти за създаване на красиви, интерактивни карти, които могат да предоставят препоръчителни маршрути, информация за пътни инциденти, вътрешна навигация, възможности за търсене, информация за надморска височина, метеорологични услуги и други. @@ -185,7 +185,7 @@ Azure Maps е "колекция от геопространствени услу Ако отворите вашия `index.html` файл в уеб браузър, трябва да видите карта, заредена и фокусирана върху района на Сиатъл. - ![Карта, показваща Сиатъл, град в щата Вашингтон, САЩ](../../../../../translated_images/bg/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Карта, показваща Сиатъл, град в щата Вашингтон, САЩ](../../../../../translated_images/bg/map-image.8fb2c53eb23ef39c.webp) ✅ Експериментирайте с параметрите за мащабиране и центриране, за да промените изгледа на картата. Можете да добавите различни координати, съответстващи на ширината и дължината на вашите данни, за да прецентрирате картата. @@ -319,7 +319,7 @@ Azure Maps е "колекция от геопространствени услу 1. Заредете HTML страницата в браузъра си. Тя ще зареди картата, след това ще зареди всички GPS данни от хранилището и ще ги изобрази на картата. - ![Карта на Saint Edward State Park близо до Сиатъл, с кръгове, показващи път около ръба на парка](../../../../../translated_images/bg/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Карта на Saint Edward State Park близо до Сиатъл, с кръгове, показващи път около ръба на парка](../../../../../translated_images/bg/map-path.896832e72dc696ff.webp) > 💁 Можете да намерите този код в [папката с код](../../../../../3-transport/lessons/3-visualize-location-data/code). diff --git a/translations/bg/3-transport/lessons/4-geofences/README.md b/translations/bg/3-transport/lessons/4-geofences/README.md index 225aff0b0..234a68902 100644 --- a/translations/bg/3-transport/lessons/4-geofences/README.md +++ b/translations/bg/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Геозони -![Скица на урока](../../../../../translated_images/bg/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-14.63980c5150ae3c15.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -35,7 +35,7 @@ Геозоната е виртуален периметър за реален географски регион. Геозоните могат да бъдат кръгове, дефинирани като точка и радиус (например кръг с ширина 100 м около сграда), или полигони, обхващащи зона като училищна зона, градски граници или университетски или офис кампус. -![Примери за геозони, показващи кръгова геозона около магазина на Microsoft и полигонална геозона около западния кампус на Microsoft](../../../../../translated_images/bg/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Примери за геозони, показващи кръгова геозона около магазина на Microsoft и полигонална геозона около западния кампус на Microsoft](../../../../../translated_images/bg/geofence-examples.172fbc534665769f.webp) > 💁 Може би вече сте използвали геозони, без да знаете. Ако сте задали напомняне с приложението за напомняния на iOS или Google Keep въз основа на местоположение, сте използвали геозона. Тези приложения създават геозона въз основа на зададеното местоположение и ви уведомяват, когато телефонът ви влезе в геозоната. @@ -212,7 +212,7 @@ Azure Maps, услугата, която използвахте в послед Например, представете си GPS показания, показващи, че превозното средство се движи по път, който в крайна сметка минава до геозона. Ако една GPS стойност е неточна и поставя превозното средство вътре в геозоната, въпреки че няма достъп за превозни средства, тогава тя може да бъде игнорирана. -![GPS следа, показваща превозно средство, преминаващо покрай кампуса на Microsoft на 520, с GPS показания по пътя, освен едно на кампуса, вътре в геозона](../../../../../translated_images/bg/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS следа, показваща превозно средство, преминаващо покрай кампуса на Microsoft на 520, с GPS показания по пътя, освен едно на кампуса, вътре в геозона](../../../../../translated_images/bg/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) На изображението по-горе е показан геозон, обхващащ част от кампуса на Microsoft. Червената линия показва камион, който се движи по магистрала 520, като кръговете обозначават GPS отчитанията. Повечето от тях са точни и се намират по магистралата, но едно отчитане е неточно и попада в геозона. Няма как това отчитане да е вярно – няма пътища, по които камионът внезапно да се отклони от магистралата към кампуса и след това да се върне обратно на магистралата. Кодът, който проверява този геозон, ще трябва да вземе предвид предишните отчитания, преди да действа въз основа на резултатите от теста на геозона. ✅ Какви допълнителни данни бихте проверили, за да определите дали едно GPS отчитане може да се счита за вярно? @@ -284,7 +284,7 @@ Azure Maps, услугата, която използвахте в послед Отговорът е, че не може! Вместо това можете да дефинирате няколко отделни връзки за четене на събития, като всяка от тях управлява възпроизвеждането на непрочетените съобщения. Те се наричат *групи на потребители*. Когато се свържете към крайна точка, можете да посочите към коя група на потребители искате да се свържете. Всеки компонент на вашето приложение ще се свърже към различна група на потребители. -![Един IoT Hub с 3 групи на потребители, разпределящи едни и същи съобщения към 3 различни функции](../../../../../translated_images/bg/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Един IoT Hub с 3 групи на потребители, разпределящи едни и същи съобщения към 3 различни функции](../../../../../translated_images/bg/consumer-groups.a3262e26fc27ba20.webp) Теоретично до 5 приложения могат да се свържат към всяка група на потребители и всички те ще получават съобщения, когато пристигнат. Най-добрата практика е само едно приложение да има достъп до всяка група на потребители, за да се избегне дублиране на обработката на съобщения и да се гарантира, че при рестартиране всички съобщения в опашката ще бъдат обработени правилно. Например, ако стартирате вашето Functions приложение локално, както и в облака, и двете ще обработват съобщения, което ще доведе до дублиране на данни в хранилището. diff --git a/translations/bg/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/bg/4-manufacturing/lessons/1-train-fruit-detector/README.md index 6627da86c..7cb6d0712 100644 --- a/translations/bg/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/bg/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Обучение на детектор за качество на плодове -![Скица на урока](../../../../../translated_images/bg/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-15.843d21afdc6fb2bb.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -38,7 +38,7 @@ С възхода на автоматизираното събиране, сортирането на продукцията се премести от събирането към фабриката. Храната се транспортира по дълги конвейерни ленти с екипи от хора, които премахват всичко, което не отговаря на изискваните стандарти за качество. Събирането стана по-евтино благодарение на машините, но все още имаше разходи за ръчно сортиране на храната. -![Ако се открие червен домат, той продължава пътя си без прекъсване. Ако се открие зелен домат, той се изхвърля в кош за отпадъци с помощта на лост](../../../../../translated_images/bg/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ако се открие червен домат, той продължава пътя си без прекъсване. Ако се открие зелен домат, той се изхвърля в кош за отпадъци с помощта на лост](../../../../../translated_images/bg/optical-tomato-sorting.61aa134bdda4e5b1.webp) Следващата еволюция беше използването на машини за сортиране, било то вградени в комбайна или в заводите за обработка. Първото поколение от тези машини използваше оптични сензори за откриване на цветове, контролирайки механизми за изхвърляне на зелени домати в кош за отпадъци с помощта на лостове или въздушни струи, оставяйки червените домати да продължат по мрежата от конвейерни ленти. @@ -62,7 +62,7 @@ > 🎓 Резултатите от ML моделите се наричат *предсказания*. -![2 банана, един узрял с предсказание от 99.7% узрял, 0.3% неузрял, и един неузрял с предсказание от 1.4% узрял, 98.6% неузрял](../../../../../translated_images/bg/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 банана, един узрял с предсказание от 99.7% узрял, 0.3% неузрял, и един неузрял с предсказание от 1.4% узрял, 98.6% неузрял](../../../../../translated_images/bg/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) ML моделите не дават двоичен отговор, а вместо това дават вероятности. Например, модел може да получи снимка на банан и да предскаже `узрял` с 99.7% и `неузрял` с 0.3%. Вашият код би избрал най-доброто предсказание и би решил, че бананът е узрял. @@ -90,7 +90,7 @@ ML моделите не дават двоичен отговор, а вмест Custom Vision е облачен инструмент за обучение на класификатори на изображения. Той ви позволява да обучите класификатор, използвайки само малък брой изображения. Можете да качвате изображения чрез уеб портал, уеб API или SDK, като давате на всяко изображение *етикет*, който представлява класификацията на това изображение. След това обучавате модела и го тествате, за да видите колко добре се представя. След като сте доволни от модела, можете да публикувате версии на него, които могат да бъдат достъпни чрез уеб API или SDK. -![Логото на Azure Custom Vision](../../../../../translated_images/bg/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Логото на Azure Custom Vision](../../../../../translated_images/bg/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Можете да обучите модел на Custom Vision с минимум 5 изображения на класификация, но повече е по-добре. Можете да получите по-добри резултати с поне 30 изображения. @@ -146,7 +146,7 @@ Custom Vision е част от набор от AI инструменти от Mi Когато създавате проекта, уверете се, че използвате ресурса `fruit-quality-detector-training`, който създадохте по-рано. Използвайте тип проект *Classification*, тип класификация *Multiclass* и домейн *Food*. - ![Настройките за проекта Custom Vision с име fruit-quality-detector, без описание, ресурсът зададен на fruit-quality-detector-training, типът проект зададен на classification, типът класификация зададен на multi class и домейнът зададен на food](../../../../../translated_images/bg/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Настройките за проекта Custom Vision с име fruit-quality-detector, без описание, ресурсът зададен на fruit-quality-detector-training, типът проект зададен на classification, типът класификация зададен на multi class и домейнът зададен на food](../../../../../translated_images/bg/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Отделете време, за да разгледате потребителския интерфейс на Custom Vision за вашия класификатор на изображения. @@ -164,7 +164,7 @@ Custom Vision е част от набор от AI инструменти от Mi * Използвайки 2 узрели банана, направете няколко снимки на всеки от тях от различни ъгли, като направите поне 7 снимки (5 за обучение, 2 за тестване), но идеално повече. - ![Снимки на 2 различни банана](../../../../../translated_images/bg/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Снимки на 2 различни банана](../../../../../translated_images/bg/banana-training-images.530eb203346d73bc.webp) * Повторете същия процес с 2 неузрели банана. @@ -174,7 +174,7 @@ Custom Vision е част от набор от AI инструменти от Mi 1. Следвайте [секцията за качване и етикетиране на изображения от бързото ръководство за създаване на класификатор в Microsoft документацията](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), за да качите вашите тренировъчни изображения. Етикетирайте узрелите плодове като `ripe`, а неузрелите като `unripe`. - ![Диалозите за качване, показващи качването на снимки на узрели и неузрели банани](../../../../../translated_images/bg/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Диалозите за качване, показващи качването на снимки на узрели и неузрели банани](../../../../../translated_images/bg/image-upload-bananas.0751639f3815e0ec.webp) 1. Следвайте [секцията за обучение на класификатора от бързото ръководство за създаване на класификатор в Microsoft документацията](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier), за да обучите класификатора на изображения върху качените от вас изображения. @@ -192,7 +192,7 @@ Custom Vision е част от набор от AI инструменти от Mi 1. Следвайте [документацията за тестване на вашия модел в Microsoft документацията](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), за да тествате вашия класификатор на изображения. Използвайте тестовите изображения, които създадохте по-рано, а не някое от изображенията, които използвахте за обучение. - ![Неузрял банан, предсказан като неузрял с 98.9% вероятност, узрял с 1.1% вероятност](../../../../../translated_images/bg/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Неузрял банан, предсказан като неузрял с 98.9% вероятност, узрял с 1.1% вероятност](../../../../../translated_images/bg/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Опитайте всички тестови изображения, до които имате достъп, и наблюдавайте вероятностите. diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/README.md index df971c424..7be01a136 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Проверка на качеството на плодове чрез IoT устройство -![Скица на урока](../../../../../translated_images/bg/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-16.215daf18b00631fb.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -26,7 +26,7 @@ Сензорите на камери, както подсказва името, са камери, които можете да свържете към вашето IoT устройство. Те могат да правят статични изображения или да заснемат видео поток. Някои връщат сурови данни за изображения, а други компресират данните в файлове като JPEG или PNG. Обикновено камерите, които работят с IoT устройства, са много по-малки и с по-ниска резолюция от тези, с които сте свикнали, но можете да намерите камери с висока резолюция, които съперничат на най-добрите телефони. Можете да получите различни сменяеми обективи, многокамерни настройки, инфрачервени термални камери или UV камери. -![Светлината от сцена преминава през обектив и се фокусира върху CMOS сензор](../../../../../translated_images/bg/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Светлината от сцена преминава през обектив и се фокусира върху CMOS сензор](../../../../../translated_images/bg/cmos-sensor.75f9cd74decb1371.webp) Повечето сензори на камери използват сензори за изображения, където всеки пиксел е фотодиод. Обективът фокусира изображението върху сензора за изображения, а хиляди или милиони фотодиоди откриват светлината, падаща върху всеки от тях, и я записват като данни за пиксели. @@ -74,7 +74,7 @@ 1. Изберете бутона **Publish** за итерацията. - ![Бутонът за публикуване](../../../../../translated_images/bg/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Бутонът за публикуване](../../../../../translated_images/bg/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. В диалога *Publish Model* задайте *Prediction resource* на ресурса `fruit-quality-detector-prediction`, който създадохте в последния урок. Оставете името като `Iteration2` и изберете бутона **Publish**. @@ -88,7 +88,7 @@ Също така вземете копие на стойността *Prediction-Key*. Това е защитен ключ, който трябва да предадете, когато извиквате модела. Само приложения, които предават този ключ, имат право да използват модела, всички други приложения се отхвърлят. - ![Диалогът за API за предсказания, показващ URL и ключ](../../../../../translated_images/bg/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Диалогът за API за предсказания, показващ URL и ключ](../../../../../translated_images/bg/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Когато се публикува нова итерация, тя ще има различно име. Как мислите, че бихте променили итерацията, която IoT устройството използва? @@ -109,7 +109,7 @@ За да получите най-добри резултати от класификатор на изображения, трябва да обучите модела с изображения, които са възможно най-близки до изображенията, използвани за предсказания. Ако сте използвали камерата на телефона си за заснемане на изображения за обучение, например, качеството на изображението, остротата и цветовете ще бъдат различни от камерата, свързана към IoT устройство. -![2 снимки на банан, една с ниска резолюция и лошо осветление от IoT устройство, и друга с висока резолюция и добро осветление от телефон](../../../../../translated_images/bg/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 снимки на банан, една с ниска резолюция и лошо осветление от IoT устройство, и друга с висока резолюция и добро осветление от телефон](../../../../../translated_images/bg/banana-picture-compare.174df164dc326a42.webp) На изображението по-горе снимката на банана отляво е направена с камера на Raspberry Pi, а тази отдясно е направена на същия банан на същото място с iPhone. Има забележима разлика в качеството - снимката с iPhone е по-ясна, с по-ярки цветове и повече контраст. diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 57c03514c..f341174a8 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Raspberry Pi се нуждае от камера. ### Задача - свържете камерата -![Камера за Raspberry Pi](../../../../../translated_images/bg/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Камера за Raspberry Pi](../../../../../translated_images/bg/pi-camera-module.4278753c31bd6e75.webp) 1. Изключете захранването на Raspberry Pi. @@ -24,17 +24,17 @@ Raspberry Pi се нуждае от камера. Можете да намерите анимация, показваща как да отворите клипса и да поставите кабела, в [документацията за започване с камерата на Raspberry Pi](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Лентовият кабел, поставен в модула на камерата](../../../../../translated_images/bg/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Лентовият кабел, поставен в модула на камерата](../../../../../translated_images/bg/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Свалете Grove Base Hat от Raspberry Pi. 1. Прекарайте лентовия кабел през отвора за камерата в Grove Base Hat. Уверете се, че синята страна на кабела е обърната към аналоговите портове, обозначени като **A0**, **A1** и т.н. - ![Лентовият кабел, преминаващ през Grove Base Hat](../../../../../translated_images/bg/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Лентовият кабел, преминаващ през Grove Base Hat](../../../../../translated_images/bg/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Поставете лентовия кабел в порта за камерата на Raspberry Pi. Отново издърпайте черния пластмасов клипс нагоре, поставете кабела и след това натиснете клипса обратно. Синята страна на кабела трябва да е обърната към USB и Ethernet портовете. - ![Лентовият кабел, свързан към порта за камерата на Raspberry Pi](../../../../../translated_images/bg/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Лентовият кабел, свързан към порта за камерата на Raspberry Pi](../../../../../translated_images/bg/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Поставете отново Grove Base Hat. @@ -101,7 +101,7 @@ Raspberry Pi се нуждае от камера. Линията `camera.rotation = 0` задава ротацията на изображението. Лентовият кабел влиза в долната част на камерата, но ако камерата ви е завъртяна, за да улесни насочването към обекта, който искате да класифицирате, можете да промените тази линия на броя градуси на ротация. - ![Камерата, висяща над кенче](../../../../../translated_images/bg/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Камерата, висяща над кенче](../../../../../translated_images/bg/pi-camera-upside-down.5376961ba3145988.webp) Например, ако окачите лентовия кабел над нещо, така че да е в горната част на камерата, задайте ротацията на 180: diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 646d4d2fb..ebddad203 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Ще можете да видите заснетото изображение, както и тези стойности в таба **Predictions** в Custom Vision. - ![Банан в Custom Vision, предсказан като узрял с 56.8% и неузрял с 43.1%](../../../../../translated_images/bg/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Банан в Custom Vision, предсказан като узрял с 56.8% и неузрял с 43.1%](../../../../../translated_images/bg/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Можете да намерите този код в папката [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) или [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 1c1318e5d..673d5f54e 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ 1. Изберете бутона **Add**, за да създадете камерата. - ![Настройки на камерата](../../../../../translated_images/bg/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Настройки на камерата](../../../../../translated_images/bg/counterfit-create-camera.a5de97f59c0bd3cb.webp) Камерата ще бъде създадена и ще се появи в списъка със сензори. - ![Създадена камера](../../../../../translated_images/bg/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Създадена камера](../../../../../translated_images/bg/counterfit-camera.001ec52194c8ee5d.webp) ## Програмиране на камерата @@ -103,7 +103,7 @@ 1. Конфигурирайте изображението, което камерата в CounterFit ще заснеме. Можете да зададете *Source* на *File*, след което да качите файл с изображение, или да зададете *Source* на *WebCam*, и изображенията ще бъдат заснемани от вашата уеб камера. Уверете се, че сте избрали бутона **Set**, след като изберете снимка или уеб камера. - ![CounterFit с файл, зададен като източник на изображение, и уеб камера, показваща човек, държащ банан в предварителен преглед на уеб камерата](../../../../../translated_images/bg/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit с файл, зададен като източник на изображение, и уеб камера, показваща човек, държащ банан в предварителен преглед на уеб камерата](../../../../../translated_images/bg/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Изображение ще бъде заснето и запазено като `image.jpg` в текущата папка. Ще видите този файл в Explorer на VS Code. Изберете файла, за да видите изображението. Ако е необходимо завъртане, актуализирайте реда `camera.rotation = 0`, както е необходимо, и направете нова снимка. diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 9a749c844..cbc327c9e 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam няма Grove конектор, вместо това се свързв Свържете камерата. -![Сензор ArduCam](../../../../../translated_images/bg/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Сензор ArduCam](../../../../../translated_images/bg/arducam.20e4e4cbb2682965.webp) 1. Пиновете в основата на ArduCam трябва да бъдат свързани към GPIO пиновете на Wio Terminal. За да е по-лесно да намерите правилните пинове, прикрепете стикера за GPIO пинове, който идва с Wio Terminal, около пиновете: @@ -35,7 +35,7 @@ ArduCam няма Grove конектор, вместо това се свързв | SDA | 3 (I2C1_SDA) | I2C Сериен Данни | | SCL | 5 (I2C1_SCL) | I2C Сериен Часовник | - ![Wio Terminal, свързан към ArduCam с джъмпер кабели](../../../../../translated_images/bg/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal, свързан към ArduCam с джъмпер кабели](../../../../../translated_images/bg/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Връзките GND и VCC осигуряват 5V захранване за ArduCam. Камерата работи на 5V, за разлика от Grove сензорите, които работят на 3V. Това захранване идва директно от USB-C връзката, която захранва устройството. @@ -456,7 +456,7 @@ Wio Terminal поддържа само microSD карти с капацитет 1. Изключете захранването на microSD картата и я извадете, като я натиснете леко и я освободите, и тя ще изскочи. Може да се наложи да използвате тънък инструмент за това. Поставете microSD картата във вашия компютър, за да прегледате изображенията. - ![Снимка на банан, заснета с ArduCam](../../../../../translated_images/bg/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Снимка на банан, заснета с ArduCam](../../../../../translated_images/bg/banana-arducam.be1b32d4267a8194.webp) 💁 Може да отнеме няколко изображения, докато баланса на бялото на камерата се настрои. Ще забележите това по цвета на заснетите изображения, първите няколко може да изглеждат с неправилен цвят. Винаги можете да заобиколите това, като промените кода да заснеме няколко изображения, които се игнорират във функцията `setup`. diff --git a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 74bf3b238..c8399ef4d 100644 --- a/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/bg/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Ще можете да видите изображението, което е заснето, и тези стойности в раздела **Predictions** в Custom Vision. - ![Банан в Custom Vision, предсказан като узрял с 56.8% и неузрял с 43.1%](../../../../../translated_images/bg/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Банан в Custom Vision, предсказан като узрял с 56.8% и неузрял с 43.1%](../../../../../translated_images/bg/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Можете да намерите този код в папката [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/bg/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/bg/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 4ea1830eb..88d751300 100644 --- a/translations/bg/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/bg/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Стартирайте вашия детектор на плодове на edge -![Скица на преглед на този урок](../../../../../translated_images/bg/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Скица на преглед на този урок](../../../../../translated_images/bg/lesson-17.bc333c3c35ba8e42.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -33,11 +33,11 @@ Edge изчисленията включват използването на компютри, които обработват IoT данни възможно най-близо до мястото, където се генерират данните. Вместо тази обработка да се извършва в облака, тя се премества към ръба на облака - вашата вътрешна мрежа. -![Диаграма на архитектура, показваща интернет услуги в облака и IoT устройства в локална мрежа](../../../../../translated_images/bg/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Диаграма на архитектура, показваща интернет услуги в облака и IoT устройства в локална мрежа](../../../../../translated_images/bg/cloud-without-edge.b4da641f6022c95e.webp) В досегашните уроци вашите устройства събираха данни и ги изпращаха в облака за анализ, като стартираха безсървърни функции или AI модели в облака. -![Диаграма на архитектура, показваща IoT устройства в локална мрежа, свързващи се с edge устройства, които от своя страна се свързват с облака](../../../../../translated_images/bg/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Диаграма на архитектура, показваща IoT устройства в локална мрежа, свързващи се с edge устройства, които от своя страна се свързват с облака](../../../../../translated_images/bg/cloud-with-edge.1e26462c62c126fe.webp) Edge изчисленията включват преместване на някои от облачните услуги извън облака и върху компютри, работещи в същата мрежа като IoT устройствата, като се комуникира с облака само при необходимост. Например, можете да стартирате AI модели на edge устройства, за да анализирате зрелостта на плодовете, и да изпращате в облака само аналитични данни, като броя на узрелите спрямо неузрелите плодове. @@ -85,7 +85,7 @@ Edge изчисленията включват преместване на ня ## Azure IoT Edge -![Логото на Azure IoT Edge](../../../../../translated_images/bg/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Логото на Azure IoT Edge](../../../../../translated_images/bg/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge е услуга, която може да ви помогне да преместите работни натоварвания извън облака и към edge. Настройвате устройство като edge устройство и от облака можете да разполагате код на това edge устройство. Това ви позволява да комбинирате възможностите на облака и edge. @@ -99,7 +99,7 @@ IoT Edge е вграден в IoT Hub, така че можете да упра IoT Edge стартира код от *контейнери* - самостоятелни приложения, които се изпълняват изолирано от останалите приложения на вашия компютър. Когато стартирате контейнер, той действа като отделен компютър, работещ във вашия компютър, със собствен софтуер, услуги и приложения. В повечето случаи контейнерите не могат да достъпят нищо на вашия компютър, освен ако не изберете да споделите неща като папка с контейнера. Контейнерът след това излага услуги чрез отворен порт, към който можете да се свържете или да го изложите на вашата мрежа. -![Уеб заявка, пренасочена към контейнер](../../../../../translated_images/bg/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Уеб заявка, пренасочена към контейнер](../../../../../translated_images/bg/container-web-browser.4ee81dd4f0d8838c.webp) Например, можете да имате контейнер с уеб сайт, работещ на порт 80, който е стандартният HTTP порт, и след това да го изложите от вашия компютър също на порт 80. @@ -196,11 +196,11 @@ IoT Edge стартира код от *контейнери* - самостоя ## Подгответе контейнера си за разгръщане -![Контейнерите се създават, след това се качват в регистър на контейнери и се разгръщат от регистъра към edge устройство чрез IoT Edge](../../../../../translated_images/bg/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Контейнерите се създават, след това се качват в регистър на контейнери и се разгръщат от регистъра към edge устройство чрез IoT Edge](../../../../../translated_images/bg/container-edge-flow.c246050dd60ceefd.webp) След като изтеглите модела си, той трябва да бъде създаден като контейнер и качен в регистър на контейнери - онлайн място, където можете да съхранявате контейнери. IoT Edge може след това да изтегли контейнера от регистъра и да го разгръща на вашето устройство. -![Логото на Azure Container Registry](../../../../../translated_images/bg/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Логото на Azure Container Registry](../../../../../translated_images/bg/azure-container-registry-logo.09494206991d4b29.webp) Регистърът на контейнери, който ще използвате за този урок, е Azure Container Registry. Това не е безплатна услуга, затова, за да спестите пари, се уверете, че [почиствате проекта си](../../../clean-up.md), след като приключите. diff --git a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index 5d65e8bf3..bfb5bf99d 100644 --- a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Задействане на откриване на качеството на плодовете чрез сензор -![Скица на урока](../../../../../translated_images/bg/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-18.92c32ed1d354caa5.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -39,7 +39,7 @@ IoT приложенията могат да бъдат описани като ### Референтна IoT архитектура -![Референтна IoT архитектура](../../../../../translated_images/bg/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Референтна IoT архитектура](../../../../../translated_images/bg/iot-reference-architecture.2278b98b55c6d4e8.webp) Горната диаграма показва референтна IoT архитектура. @@ -49,7 +49,7 @@ IoT приложенията могат да бъдат описани като * **Прозрения** идват от serverless приложения или от анализи, извършени върху съхранени данни. * **Действия** могат да бъдат команди, изпратени към устройства, или визуализация на данни, позволяваща на хората да вземат решения. -![Референтна IoT архитектура](../../../../../translated_images/bg/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Референтна IoT архитектура](../../../../../translated_images/bg/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Горната диаграма показва някои от компонентите и услугите, разгледани досега в тези уроци, и как те се свързват в референтна IoT архитектура. @@ -89,7 +89,7 @@ IoT приложенията могат да бъдат описани като ### Прототипиране на вашето приложение -![Референтна IoT архитектура за проверка на качеството на плодовете](../../../../../translated_images/bg/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Референтна IoT архитектура за проверка на качеството на плодовете](../../../../../translated_images/bg/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Горната диаграма показва референтна архитектура за това прототипно приложение. @@ -124,7 +124,7 @@ IoT устройството се нуждае от някакъв тригер, Прототипният детектор на плодове има множество компоненти, които комуникират помежду си. -![Компонентите, които комуникират помежду си](../../../../../translated_images/bg/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Компонентите, които комуникират помежду си](../../../../../translated_images/bg/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Сензор за близост, който измерва разстоянието до плод и изпраща това към IoT Hub * Командата за управление на камерата, идваща от IoT Hub към устройството с камера diff --git a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index e5ab0fbc9..3aec063f0 100644 --- a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Raspberry Pi се нуждае от сензор за близост. Свържете сензора за измерване на разстояние. -![Сензор Grove Time of Flight](../../../../../translated_images/bg/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Сензор Grove Time of Flight](../../../../../translated_images/bg/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Поставете единия край на Grove кабела в конектора на сензора за измерване на разстояние. Той ще влезе само в една посока. diff --git a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 902a50e5b..e46663541 100644 --- a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ 1. Натиснете бутона **Add**, за да създадете сензора за разстояние. - ![Настройки на сензора за разстояние](../../../../../translated_images/bg/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Настройки на сензора за разстояние](../../../../../translated_images/bg/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Сензорът за разстояние ще бъде създаден и ще се появи в списъка със сензори. - ![Създаден сензор за разстояние](../../../../../translated_images/bg/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Създаден сензор за разстояние](../../../../../translated_images/bg/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Програмиране на сензора за разстояние diff --git a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index a8fe61c4a..30da2f95e 100644 --- a/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/bg/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove Time of Flight сензорът може да бъде свързан къ Свържете сензора за разстояние. -![Grove Time of Flight сензор](../../../../../translated_images/bg/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove Time of Flight сензор](../../../../../translated_images/bg/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Поставете единия край на Grove кабела в конектора на сензора за разстояние. Кабелът може да бъде поставен само в една посока. diff --git a/translations/bg/5-retail/lessons/1-train-stock-detector/README.md b/translations/bg/5-retail/lessons/1-train-stock-detector/README.md index 08bd271b8..b7fd28527 100644 --- a/translations/bg/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/bg/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Обучение на детектор за наличности -![Преглед на урока чрез скица](../../../../../translated_images/bg/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Преглед на урока чрез скица](../../../../../translated_images/bg/lesson-19.cf6973cecadf080c.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -36,7 +36,7 @@ Класификацията на изображения се отнася до класифициране на изображението като цяло – каква е вероятността цялото изображение да съответства на всеки етикет. Получавате вероятности за всеки етикет, използван за обучение на модела. -![Класификация на изображения на кашу и доматено пюре](../../../../../translated_images/bg/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Класификация на изображения на кашу и доматено пюре](../../../../../translated_images/bg/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) В горния пример две изображения са класифицирани с помощта на модел, обучен да класифицира кутии с кашу или консерви с доматено пюре. Първото изображение е кутия с кашу и има следните резултати от класификатора: @@ -60,7 +60,7 @@ > 🎓 *Ограничителни кутии* са кутиите около обект. -![Обектно разпознаване на кашу и доматено пюре](../../../../../translated_images/bg/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Обектно разпознаване на кашу и доматено пюре](../../../../../translated_images/bg/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Горното изображение съдържа както кутия с кашу, така и три консерви с доматено пюре. Детекторът за обекти е открил кашуто, връщайки ограничителната кутия, която съдържа кашуто, с вероятност от 97.6%. Детекторът за обекти също е открил три консерви с доматено пюре и предоставя три отделни ограничителни кутии – по една за всяка открита консерва, като всяка има процентна вероятност, че ограничителната кутия съдържа консерва с доматено пюре. @@ -111,7 +111,7 @@ Когато създавате проекта, уверете се, че използвате ресурса `stock-detector-training`, който създадохте по-рано. Изберете тип проект *Object Detection* и домейн *Products on Shelves*. - ![Настройки за проекта в Custom Vision с име fruit-quality-detector, без описание, ресурсът е fruit-quality-detector-training, типът проект е класификация, типът класификация е multi class, а домейнът е food](../../../../../translated_images/bg/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Настройки за проекта в Custom Vision с име fruit-quality-detector, без описание, ресурсът е fruit-quality-detector-training, типът проект е класификация, типът класификация е multi class, а домейнът е food](../../../../../translated_images/bg/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Домейнът "Продукти на рафтове" е специално насочен към разпознаване на наличности на рафтовете в магазините. Прочетете повече за различните домейни в [документацията за избор на домейн в Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) @@ -133,11 +133,11 @@ 1. Следвайте [секцията "Качване и маркиране на изображения" от ръководството за бърз старт за изграждане на детектор за обекти в Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), за да качите вашите тренировъчни изображения. Създайте подходящи етикети в зависимост от типовете обекти, които искате да разпознавате. - ![Диалози за качване, показващи качване на снимки на узрели и неузрели банани](../../../../../translated_images/bg/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Диалози за качване, показващи качване на снимки на узрели и неузрели банани](../../../../../translated_images/bg/image-upload-object-detector.77c7892c3093cb59.webp) Когато рисувате ограничителни кутии за обекти, дръжте ги плътно около обекта. Това може да отнеме известно време, за да очертаете всички изображения, но инструментът ще открие какво смята за ограничителни кутии, което ще ускори процеса. - ![Маркиране на доматено пюре](../../../../../translated_images/bg/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Маркиране на доматено пюре](../../../../../translated_images/bg/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ако имате повече от 15 изображения за всеки обект, можете да обучите модела след първите 15 и след това да използвате функцията **Suggested tags**. Тя ще използва обучен модел, за да разпознае обектите в немаркираните изображения. Можете след това да потвърдите откритите обекти или да отхвърлите и прерисувате ограничителните кутии. Това може да спести *много* време. @@ -155,7 +155,7 @@ 1. Използвайте бутона **Quick Test**, за да качите тестови изображения и да проверите дали обектите са разпознати. Използвайте тестовите изображения, които създадохте по-рано, а не тези, които използвахте за обучение. - ![3 консерви с доматено пюре, разпознати с вероятности от 38%, 35.5% и 34.6%](../../../../../translated_images/bg/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 консерви с доматено пюре, разпознати с вероятности от 38%, 35.5% и 34.6%](../../../../../translated_images/bg/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Изпробвайте всички тестови изображения, с които разполагате, и наблюдавайте вероятностите. diff --git a/translations/bg/5-retail/lessons/2-check-stock-device/README.md b/translations/bg/5-retail/lessons/2-check-stock-device/README.md index 42eb8e065..0047ae577 100644 --- a/translations/bg/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/bg/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Проверка на наличности от IoT устройство -![Скица на урока](../../../../../translated_images/bg/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-20.0211df9551a8abb3.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -62,7 +62,7 @@ 1. Натиснете бутона **Publish** за итерацията. - ![Бутонът за публикуване](../../../../../translated_images/bg/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Бутонът за публикуване](../../../../../translated_images/bg/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. В диалога *Publish Model* задайте *Prediction resource* на ресурса `stock-detector-prediction`, който създадохте в последния урок. Оставете името като `Iteration2` и натиснете бутона **Publish**. @@ -76,7 +76,7 @@ Също така вземете копие на стойността *Prediction-Key*. Това е защитен ключ, който трябва да предадете, когато извиквате модела. Само приложения, които предават този ключ, имат право да използват модела, всички други приложения се отхвърлят. - ![Диалогът за API за предсказания, показващ URL и ключ](../../../../../translated_images/bg/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Диалогът за API за предсказания, показващ URL и ключ](../../../../../translated_images/bg/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Когато се публикува нова итерация, тя ще има различно име. Как мислите, че бихте променили итерацията, която IoT устройството използва? @@ -95,7 +95,7 @@ Резултатите от предсказание в раздела **Predictions** в Custom Vision имат ограничителните кутии, начертани върху изображението, което е изпратено за предсказание. -![4 консерви доматено пюре на рафт с предсказания за 4 открития с вероятности 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 консерви доматено пюре на рафт с предсказания за 4 открития с вероятности 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca341.webp) На изображението по-горе са открити 4 консерви доматено пюре. В резултатите червен квадрат е наложен върху всяко открито изображение, показвайки ограничителната кутия за изображението. @@ -103,7 +103,7 @@ Ограничителните кутии се определят с 4 стойности - горна, лява, височина и ширина. Тези стойности са в мащаб от 0-1, представляващи позициите като процент от размера на изображението. Началната точка (позиция 0,0) е горният ляв ъгъл на изображението, така че горната стойност е разстоянието от горната част, а долната част на ограничителната кутия е горната плюс височината. -![Ограничителна кутия около консерва доматено пюре](../../../../../translated_images/bg/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Ограничителна кутия около консерва доматено пюре](../../../../../translated_images/bg/bounding-box.1420a7ea0d3d15f7.webp) Горното изображение е 600 пиксела широко и 800 пиксела високо. Ограничителната кутия започва на 320 пиксела надолу, давайки горна координата от 0.4 (800 x 0.4 = 320). Отляво, ограничителната кутия започва на 240 пиксела, давайки лява координата от 0.4 (600 x 0.4 = 240). Височината на ограничителната кутия е 240 пиксела, давайки стойност за височина от 0.3 (800 x 0.3 = 240). Ширината на ограничителната кутия е 120 пиксела, давайки стойност за ширина от 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Можете да използвате ограничителните кутии, комбинирани с вероятностите, за да оцените колко точно е откриването. Например, детекторът на обекти може да открие множество обекти, които се припокриват, например откриване на една консерва вътре в друга. Вашият код може да разгледа ограничителните кутии, да разбере, че това е невъзможно, и да игнорира всички обекти, които имат значително припокриване с други обекти. -![Две ограничителни кутии, припокриващи консерва доматено пюре](../../../../../translated_images/bg/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Две ограничителни кутии, припокриващи консерва доматено пюре](../../../../../translated_images/bg/overlap-object-detection.d431e03cae75072a.webp) В горния пример една ограничителна кутия показва предсказана консерва доматено пюре с вероятност 78.3%. Втора ограничителна кутия е малко по-малка и е вътре в първата ограничителна кутия с вероятност 64.3%. Вашият код може да провери ограничителните кутии, да види, че те се припокриват напълно, и да игнорира по-ниската вероятност, тъй като няма начин една консерва да бъде вътре в друга. diff --git a/translations/bg/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/bg/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index b2564f164..b667359fd 100644 --- a/translations/bg/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/bg/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Ще можете да видите заснетото изображение и тези стойности в раздела **Predictions** в Custom Vision. - ![4 консерви доматено пюре на рафт с прогнози за 4 открития: 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 консерви доматено пюре на рафт с прогнози за 4 открития: 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Можете да намерите този код в папката [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) или [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/bg/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/bg/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index de2d6d115..a35539a75 100644 --- a/translations/bg/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/bg/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Ще можете да видите заснетото изображение и тези стойности в раздела **Predictions** в Custom Vision. - ![4 консерви доматено пюре на рафт с предсказания за 4 открития с вероятности 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 консерви доматено пюре на рафт с предсказания за 4 открития с вероятности 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/bg/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Можете да намерите този код в папката [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/bg/6-consumer/lessons/1-speech-recognition/README.md b/translations/bg/6-consumer/lessons/1-speech-recognition/README.md index 11c730035..78b6e7d79 100644 --- a/translations/bg/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/bg/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Разпознаване на реч с IoT устройство -![Скица на урока](../../../../../translated_images/bg/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-21.e34de51354d6606f.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -51,7 +51,7 @@ Динамичните микрофони не се нуждаят от захранване, за да работят – електрическият сигнал се създава изцяло от микрофона. - ![Пати Смит пее в микрофон Shure SM58 (динамичен кардиоиден тип)](../../../../../translated_images/bg/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Пати Смит пее в микрофон Shure SM58 (динамичен кардиоиден тип)](../../../../../translated_images/bg/dynamic-mic.8babac890a2d80df.webp) * Лентови - Лентовите микрофони са подобни на динамичните, но вместо диафрагма имат метална лента. Тази лента се движи в магнитно поле, генерирайки електрически ток. Както и динамичните микрофони, лентовите не се нуждаят от захранване. @@ -59,11 +59,11 @@ * Кондензаторни - Кондензаторните микрофони имат тънка метална диафрагма и фиксирана метална задна плоча. Електричество се прилага към двете, и когато диафрагмата вибрира, статичният заряд между плочите се променя, генерирайки сигнал. Кондензаторните микрофони се нуждаят от захранване, наречено *Phantom power*. - ![C451B малка диафрагма кондензаторен микрофон от AKG Acoustics](../../../../../translated_images/bg/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B малка диафрагма кондензаторен микрофон от AKG Acoustics](../../../../../translated_images/bg/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Микроелектромеханичните системи микрофони, или MEMS, са микрофони на чип. Те имат чувствителна на налягане диафрагма, гравирана върху силициев чип, и работят подобно на кондензаторен микрофон. Тези микрофони могат да бъдат изключително малки и интегрирани в електронни схеми. - ![MEMS микрофон на платка](../../../../../translated_images/bg/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS микрофон на платка](../../../../../translated_images/bg/mems-microphone.80574019e1f5e4d9.webp) На изображението по-горе, чипът с надпис **LEFT** е MEMS микрофон с миниатюрна диафрагма, по-малка от милиметър. @@ -159,7 +159,7 @@ ## Преобразуване на реч в текст -![Лого на услугите за реч](../../../../../translated_images/bg/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Лого на услугите за реч](../../../../../translated_images/bg/azure-speech-logo.a1f08c4befb0159f.webp) Точно както при класификацията на изображения в по-ранен проект, съществуват предварително изградени AI услуги, които могат да приемат реч като аудио файл и да я преобразуват в текст. Една такава услуга е Speech Service, част от Cognitive Services, предварително изградени AI услуги, които можете да използвате в своите приложения. diff --git a/translations/bg/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/bg/6-consumer/lessons/1-speech-recognition/pi-audio.md index f76eb2b5f..2d8c90567 100644 --- a/translations/bg/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/bg/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Raspberry Pi се нуждае от бутон, за да контролира #### Задача - свържете бутона -![Grove бутон](../../../../../translated_images/bg/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Grove бутон](../../../../../translated_images/bg/grove-button.a70cfbb809a85636.webp) 1. Поставете единия край на Grove кабела в гнездото на модулa на бутона. Кабелът може да бъде поставен само в една посока. 1. С изключен Raspberry Pi, свържете другия край на Grove кабела към цифровото гнездо, маркирано **D5** на Grove базовия HAT, прикрепен към Pi. Това гнездо е второто отляво, на реда с гнезда до GPIO пиновете. -![Grove бутон, свързан към гнездо D5](../../../../../translated_images/bg/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove бутон, свързан към гнездо D5](../../../../../translated_images/bg/pi-button.c7a1a4f55943341c.webp) ## Запис на аудио diff --git a/translations/bg/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/bg/6-consumer/lessons/1-speech-recognition/pi-microphone.md index c8f82fbde..689ff0bdb 100644 --- a/translations/bg/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/bg/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Raspberry Pi има 3.5мм жак за слушалки. Можете да го 1. Ако използвате ReSpeaker 2-Mics Pi HAT, можете да премахнете Grove базовата платка и да поставите ReSpeaker платката на нейно място. - ![Raspberry Pi с ReSpeaker платка](../../../../../translated_images/bg/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi с ReSpeaker платка](../../../../../translated_images/bg/pi-respeaker-hat.f00fabe7dd039a93.webp) По-късно в урока ще ви е необходим бутон Grove, но такъв е вграден в тази платка, така че Grove базовата платка не е необходима. diff --git a/translations/bg/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/bg/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 3f1eab5b1..fbfdd6223 100644 --- a/translations/bg/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/bg/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ ✅ Прочетете повече за DMA на [страницата за директен достъп до паметта в Wikipedia](https://wikipedia.org/wiki/Direct_memory_access). -![Аудио от микрофона преминава през ADC, след това към DMAC. Това се записва в един буфер. Когато този буфер се запълни, той се обработва и DMAC записва във втори буфер](../../../../../translated_images/bg/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Аудио от микрофона преминава през ADC, след това към DMAC. Това се записва в един буфер. Когато този буфер се запълни, той се обработва и DMAC записва във втори буфер](../../../../../translated_images/bg/dmac-adc-buffers.4509aee49145c90b.webp) DMAC може да записва аудио от ADC на фиксирани интервали, например 16 000 пъти в секунда за аудио на 16KHz. Той може да записва тези данни в предварително зададен паметен буфер, а когато този буфер се запълни, да го направи достъпен за обработка от вашия код. Използването на тази памет може да забави записването на аудио, но можете да настроите множество буфери. DMAC записва в буфер 1, след което, когато той се запълни, уведомява вашия код да обработи буфер 1, докато DMAC записва в буфер 2. Когато буфер 2 се запълни, той уведомява вашия код и се връща към записване в буфер 1. По този начин, стига да обработвате всеки буфер за по-малко време, отколкото е необходимо за запълването му, няма да загубите данни. diff --git a/translations/bg/6-consumer/lessons/2-language-understanding/README.md b/translations/bg/6-consumer/lessons/2-language-understanding/README.md index 45e4c940d..0d0b3b7d5 100644 --- a/translations/bg/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/bg/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Разбиране на езика -![Скица на урока](../../../../../translated_images/bg/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-22.6148ea28500d9e00.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -46,7 +46,7 @@ ## Създаване на модел за разбиране на езика -![Логото на LUIS](../../../../../translated_images/bg/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Логото на LUIS](../../../../../translated_images/bg/luis-logo.5cb4f3e88c020ee6.webp) Можете да създавате модели за разбиране на езика, използвайки LUIS, услуга за разбиране на езика от Microsoft, която е част от Cognitive Services. @@ -169,7 +169,7 @@ 1. Докато въвеждате всеки пример, LUIS ще започне да разпознава обекти и ще ги подчертава и етикетира. - ![Примерите с подчертани числа и единици време от LUIS](../../../../../translated_images/bg/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Примерите с подчертани числа и единици време от LUIS](../../../../../translated_images/bg/luis-intent-examples.25716580b2d2723c.webp) ### Задача - обучение и тестване на модела diff --git a/translations/bg/6-consumer/lessons/3-spoken-feedback/README.md b/translations/bg/6-consumer/lessons/3-spoken-feedback/README.md index 74b65bcd3..ae6a16294 100644 --- a/translations/bg/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/bg/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Настройте таймер и предоставете гласова обратна връзка -![Скица на урока](../../../../../translated_images/bg/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-23.f38483e1d4df4828.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. diff --git a/translations/bg/6-consumer/lessons/4-multiple-language-support/README.md b/translations/bg/6-consumer/lessons/4-multiple-language-support/README.md index 5891b2f4c..3ebc71274 100644 --- a/translations/bg/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/bg/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Поддръжка на множество езици -![Скица на урока](../../../../../translated_images/bg/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Скица на урока](../../../../../translated_images/bg/lesson-24.4246968ed058510a.webp) > Скица от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. @@ -74,7 +74,7 @@ ### Услуга за реч на Cognitive Services -![Лого на услугата за реч](../../../../../translated_images/bg/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Лого на услугата за реч](../../../../../translated_images/bg/azure-speech-logo.a1f08c4befb0159f.webp) Услугата за реч, която използвахте в последните няколко урока, има възможности за превод при разпознаване на реч. Когато разпознавате реч, можете да поискате не само текста на речта на същия език, но и на други езици. @@ -82,7 +82,7 @@ ### Услуга за превод на Cognitive Services -![Лого на услугата за превод](../../../../../translated_images/bg/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Лого на услугата за превод](../../../../../translated_images/bg/azure-translator-logo.c6ed3a4a433edfd2.webp) Услугата Translator е специализирана услуга за превод, която може да превежда текст от един език на един или повече целеви езици. Освен превод, тя поддържа широк набор от допълнителни функции, включително филтриране на нецензурни думи. Тя също така ви позволява да предоставите конкретен превод за определена дума или изречение, за да работите с термини, които не искате да бъдат превеждани, или да имате специфичен, добре познат превод. diff --git a/translations/bg/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/bg/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 732e2563e..c831b656a 100644 --- a/translations/bg/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/bg/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API на услугата за реч не поддържа директн > > Например, ако обучите LUIS на английски, но искате да използвате френски като език на потребителя, можете да преведете изречения като "set a 2 minute and 27 second timer" от английски на френски с помощта на Bing Translate, след което да използвате бутона **Listen translation**, за да изговорите превода в микрофона си. > - > ![Бутонът за слушане на превод в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Бутонът за слушане на превод в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a9.webp) 1. Добавете API ключа за преводача под `speech_api_key`: diff --git a/translations/bg/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/bg/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 91cdca1d5..5c1a52d96 100644 --- a/translations/bg/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/bg/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ > > Например, ако обучите LUIS на английски, но искате да използвате френски като език на потребителя, можете да преведете изречения като "set a 2 minute and 27 second timer" от английски на френски с Bing Translate, след това използвайте бутона **Listen translation**, за да говорите превода в микрофона си. > - > ![Бутонът Listen translation в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Бутонът Listen translation в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a9.webp) 1. Заменете декларациите `recognizer_config` и `recognizer` със следното: diff --git a/translations/bg/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/bg/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index beadf4b8a..737e1c7be 100644 --- a/translations/bg/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/bg/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API на услугата за реч не поддържа директн > > Например, ако обучите LUIS на английски, но искате да използвате френски като език на потребителя, можете да преведете изречения като "set a 2 minute and 27 second timer" от английски на френски, използвайки Bing Translate, след което да използвате бутона **Listen translation**, за да произнесете превода в микрофона си. > - > ![Бутонът за слушане на превод в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Бутонът за слушане на превод в Bing Translate](../../../../../translated_images/bg/bing-translate.348aa796d6efe2a9.webp) 1. Добавете API ключа и местоположението на услугата за превод под `SPEECH_LOCATION`: diff --git a/translations/bg/README.md b/translations/bg/README.md index 867f1109c..0c41828e1 100644 --- a/translations/bg/README.md +++ b/translations/bg/README.md @@ -1,192 +1,166 @@ -[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) -[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) -[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) - -[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) -[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) -[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) - ### Присъединете се към общността Azure AI Foundry -Ако попаднете в затруднение или имате въпроси относно създаването на AI приложения. Присъединете се към съученици и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно. - -[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) +Ако заседнете или имате въпроси относно изграждането на AI приложения. Присъединете се към други учащи и опитни разработчици в дискусии за MCP. Това е подкрепяща общност, където въпросите са добре дошли и знанията се споделят свободно. -Ако имате обратна връзка за продукта или грешки при разработка, посетете: - -[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) +Ако имате обратна връзка за продукт или грешки по време на изграждане, посетете: Следвайте тези стъпки, за да започнете да използвате тези ресурси: -1. **Форкване на хранилището**: Кликнете [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) -2. **Клониране на хранилището**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Присъединете се към Microsoft Foundry Discord и се запознайте с експерти и съразработчици**](https://discord.com/invite/ByRwuEEgH4) - +1. **Форкнете хранилището**: Натиснете +2. **Клонирайте хранилището**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**Присъединете се към Microsoft Foundry Discord и срещнете експерти и други разработчици**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Поддръжка на множество езици -#### Поддържано чрез GitHub Action (автоматично и винаги актуално) - - -[Арабски](../ar/README.md) | [Бенгалски](../bn/README.md) | [Български](./README.md) | [Бирмански (Мианмар)](../my/README.md) | [Китайски (опростен)](../zh-CN/README.md) | [Китайски (традиционен, Хонг Конг)](../zh-HK/README.md) | [Китайски (традиционен, Макао)](../zh-MO/README.md) | [Китайски (традиционен, Тайван)](../zh-TW/README.md) | [Хърватски](../hr/README.md) | [Чешки](../cs/README.md) | [Датски](../da/README.md) | [Холандски](../nl/README.md) | [Естонски](../et/README.md) | [Фински](../fi/README.md) | [Френски](../fr/README.md) | [Немски](../de/README.md) | [Гръцки](../el/README.md) | [Иврит](../he/README.md) | [Хинди](../hi/README.md) | [Унгарски](../hu/README.md) | [Индонезийски](../id/README.md) | [Италиански](../it/README.md) | [Японски](../ja/README.md) | [Канада](../kn/README.md) | [Корейски](../ko/README.md) | [Литовски](../lt/README.md) | [Малайски](../ms/README.md) | [Малаялам](../ml/README.md) | [Марати](../mr/README.md) | [Непалски](../ne/README.md) | [Нигерийски пиджин](../pcm/README.md) | [Норвежки](../no/README.md) | [Персийски (Фарси)](../fa/README.md) | [Полски](../pl/README.md) | [Португалски (Бразилия)](../pt-BR/README.md) | [Португалски (Португалия)](../pt-PT/README.md) | [Пенджабски (Гурмуки)](../pa/README.md) | [Румънски](../ro/README.md) | [Руски](../ru/README.md) | [Сръбски (Кирилица)](../sr/README.md) | [Словашки](../sk/README.md) | [Словенски](../sl/README.md) | [Испански](../es/README.md) | [Свахили](../sw/README.md) | [Шведски](../sv/README.md) | [Тагалог (Филипински)](../tl/README.md) | [Тамилски](../ta/README.md) | [Телугу](../te/README.md) | [Тайски](../th/README.md) | [Турски](../tr/README.md) | [Украински](../uk/README.md) | [Урду](../ur/README.md) | [Виетнамски](../vi/README.md) +#### Поддържа се чрез GitHub Action (автоматично и винаги актуално) > **Предпочитате да клонирате локално?** - -> Това хранилище включва над 50 езикови превода, което значително увеличава размера на изтеглянето. За да клонирате без преводите, използвайте sparse checkout: -> ```bash -> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git -> cd IoT-For-Beginners -> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' -> ``` -> Това ви дава всичко необходимо за завършване на курса с много по-бързо изтегляне. - +> +> Това хранилище включва преводи на повече от 50 езика, което значително увеличава размера на изтегляне. За да клонирате без преводи, използвайте sparse checkout: +> +> **Bash / macOS / Linux:** +> +> **CMD (Windows):** +> +> Така ще получите всичко необходимо, за да завършите курса с много по-бързо изтегляне. # IoT за начинаещи - учебна програма -Експертите по Azure Cloud в Microsoft с удоволствие предлагат 12-седмична учебна програма с 24 урока, посветени на основите на IoT. Всеки урок включва преди и след урока тестове, писмени инструкции за завършване на урока, решение, задача и още. Нашата проектно ориентирана педагогика ви позволява да учите чрез създаване, доказан метод за по-добро усвояване на нови умения. +Адвокатите на Azure Cloud в Microsoft с удоволствие предлагат 12-седмична учебна програма с 24 урока, посветени на основите на IoT. Всеки урок включва предварителен и последващ тест, писмени инструкции за изпълнение на урока, решение, задание и още. Нашата проектно-базирана педагогика ви позволява да учите чрез изграждане, което е доказан начин новите умения да „забият“. -Проектите покриват пътя на храната от фермата до масата. Това включва земеделие, логистика, производство, търговия на дребно и потребители - всички популярни индустриални области за IoT устройства. +Проектите покриват пътуването на храната от фермата до трапезата. Това включва земеделие, логистика, производство, търговия на дребно и потребители - всички популярни индустриални области за IoT устройства. -![Пътна карта на курса, показваща 24 урока, обхващащи въведение, земеделие, транспорт, преработка, търговия на дребно и готвене](../../translated_images/bg/Roadmap.bb1dec285dda0eda.webp) +> Скетчнот от [Nitya Narasimhan](https://github.com/nitya). Натиснете изображението за по-голяма версия. -> Скетчнот от [Nitya Narasimhan](https://github.com/nitya). Кликнете върху изображението за по-голяма версия. +**Сърдечни благодарности на нашите автори [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) и на нашия скетчнот артист [Nitya Narasimhan](https://github.com/nitya).** -**Сърдечни благодарности на нашите автори [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) и нашата скетчнот артистка [Nitya Narasimhan](https://github.com/nitya).** - -**Благодарности и на екипа ни от [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), които преглеждат и превеждат тази учебна програма - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform) и [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Благодарим също на нашия екип от [Студентски посланици на Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), които преглеждаха и превеждаха тази учебна програма - [списък с имена].** Запознайте се с екипа! -[![Промо видео](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) - -**GIF от** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +> 🎥 Натиснете изображението по-горе за видео за проекта! -> 🎥 Кликнете върху изображението по-горе за видео за проекта! +> **Учители**, ние сме [включили някои предложения](for-teachers.md) как да използвате тази учебна програма. Ако искате да създадете свои уроци, ние също сме включили [шаблон за урок](lesson-template/README.md). -> **Учители**, включихме [някои предложения](for-teachers.md) как да използвате тази учебна програма. Ако желаете да създадете свои собствени уроци, ние сме включили и [шаблон за урок](lesson-template/README.md). +> **Студенти**, за да използвате тази учебна програма самостоятелно, форкнете целия репозиторий и изпълнете упражненията сами, започвайки с предварителен тест, след това четете лекцията и завършете останалите дейности. Опитайте се да създадете проектите чрез разбиране на уроците, а не чрез копиране на кода за решение; този код е наличен в папките /solutions във всеки урок, ориентиран към проект. Друга идея е да сформирате учебна група с приятели и да преминете заедно през съдържанието. За по-нататъшно обучение препоръчваме [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -> **Студенти** ([страница за студенти](https://aka.ms/student-page)), за да използвате тази учебна програма самостоятелно, форкнете цялото хранилище и изпълнявайте задачите сами, започвайки с тест преди лекцията, след това четете лекцията и изпълнявайте останалите дейности. Опитайте се да създадете проектите, като разберете уроците, вместо да копирате кода на решенията; този код обаче е наличен в папките /solutions в всеки урок, ориентиран към проект. Друга идея е да формирате учебна група с приятели и да преминете съдържанието заедно. За допълнително обучение препоръчваме [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +За видео преглед на този курс, разгледайте това видео: -За видео преглед на този курс, вижте това видео: - -[![Промо видео](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") - -> 🎥 Кликнете върху изображението по-горе за видео за проекта! +> 🎥 Натиснете изображението по-горе за видео за проекта! ## Педагогика -Избрахме две педагогически главни принципа при изграждането на тази учебна програма: да е проектно ориентирана и да включва чести тестове. Към края на серията студентите ще са изградили система за мониторинг и поливане на растения, проследяване на превозни средства, умен фабричен комплекс за проследяване и проверка на хранителни продукти и гласово контролирана кухненска таймер, и ще са научили основите на Интернет на нещата, включително как да пишат код за устройства, да се свързват с облака, да анализират телеметрия и да изпълняват изкуствен интелект на ръба. +Ние избрахме два педагогически принципа при изграждането на тази учебна програма: да бъде проектно-базирана и да включва чести тестове. В края на тази серия студентите ще са изградили система за наблюдение и поливане на растения, проследяващо устройство за превозно средство, интелигентна фабрична система за проследяване и проверка на храна и гласово управляван таймер за готвене, както и ще са научили основите на Интернет на нещата, включително писане на код за устройства, свързване с облака, анализ на телеметрия и изпълнение на ИИ на ръба. -Чрез гарантиране, че съдържанието е свързано с проекти, процесът става по-ангажиращ за студентите и задържането на концепции се увеличава. +Като осигуряваме съдържанието да бъде свързано с проекти, процесът става по-интересен за студентите и задържането на концепции се увеличава. -Освен това, ниско риска тест преди занятие насочва вниманието на студента към изучаване на тема, докато втори тест след занятието гарантира допълнително задържане. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да се следва изцяло или частично. Проектите започват малки и стават все по-сложни към края на 12-седмичния цикъл. +Освен това, тест с нисък риск преди урока насочва вниманието на студента към изучавания предмет, а последващ тест след урока осигурява допълнително задържане на знания. Тази учебна програма е създадена да бъде гъвкава и забавна и може да се вземе изцяло или на части. Проектите започват малки и стават все по-сложни до края на 12-седмичния цикъл. -Всеки проект е базиран на реален хардуер, достъпен за студенти и любители. Всеки проект разглежда конкретната проектна област, предоставяйки релевантни познания. За да станете успешен разработчик, е полезно да разбирате домейна, в който решавате проблеми, като това ви позволява да мислите за IoT решенията и наученото в контекста на реалния проблем, който може да ви бъде поставен като IoT разработчик. Студентите научават "защо" на решенията, които създават, и получават оценка към крайния потребител. +Всеки проект е базиран на реален хардуер, достъпен за студенти и любители. Всеки проект разглежда специфичния проектен домейн, като предоставя релевантни фонови знания. За да бъдете успешен разработчик, помага да разберете домейна, в който решавате проблеми, а предоставянето на тези знания позволява на студентите да мислят за IoT решенията и наученото в контекста на реалния проблем, който може да им бъде възложен като разработчици на IoT. Студентите научават „защо“ на решенията, които изграждат, и получават appreciation за крайния потребител. ## Хардуер +Имаме два варианта IoT хардуер за използване в проектите в зависимост от личните предпочитания, познанията или предпочитанията към програмен език, учебните цели и наличността. Също така сме предоставили виртуална хардуерна версия за тези, които нямат достъп до хардуер или искат да научат повече, преди да се ангажират с покупка. Можете да прочетете повече и да намерите "списък за пазаруване" на [hardware page](./hardware.md), включително връзки за закупуване на цялостни комплекти от нашите приятели в Seeed Studio. -Имаме два варианта за IoT хардуер за проектите в зависимост от личните предпочитания, познания по програмни езици, учебни цели и наличност. Предоставили сме и "виртуален хардуер" за тези, които нямат достъп до хардуер или искат да научат повече преди да се ангажират с покупка. Можете да прочетете повече и да намерите "списък за пазаруване" на [страницата за хардуер](./hardware.md), включително връзки за закупуване на пълни комплекти от нашите приятели в Seeed Studio. -> 💁 Намерете нашите [Правила за поведение](CODE_OF_CONDUCT.md), [Указания за принос](CONTRIBUTING.md) и [Указания за превод](TRANSLATIONS.md). Очакваме вашата конструктивна обратна връзка! +> 💁 Намерете нашите насоки за [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md) и [Translation](TRANSLATIONS.md). Очакваме вашите конструктивни отзиви! > -> 🔧 Имаш проблеми? Вижте нашето [Ръководство за отстраняване на неизправности](TROUBLESHOOTING.md) за решения на често срещани проблеми. +> 🔧 Имаш проблем? Вижте нашия [Troubleshooting Guide](TROUBLESHOOTING.md) за решения на често срещани проблеми. -## Всяка лекция включва: +## Всяко уроци включва: -- скичнот -- опционално допълнително видео -- предварително задание за разгряване преди урока +- скицник +- по избор допълнително видео +- предварителен тест за загряване преди урока - писмен урок -- за уроци, базирани на проекти, стъпка по стъпка ръководства за изграждане на проекта +- за уроци, базирани на проект, ръководства стъпка по стъпка за изграждане на проекта - проверки на знанията - предизвикателство -- допълнително четиво -- задание -- [задочно тестче](https://ff-quizzes.netlify.app/en/) +- допълнителна литература +- задача +- [тест след урока](https://ff-quizzes.netlify.app/en/) -> **Бележка относно тестовете**: Всички тестове се намират в папката quiz-app, общо 48 теста с по три въпроса във всеки. Те са свързани в рамките на уроците, но приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката `quiz-app`. Те постепенно се локализират. +> **Бележка относно тестовете**: Всички тестове се намират в папката quiz-app, общо 48 теста с по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да се стартира локално или да се разположи в Azure; следвайте инструкциите в папката `quiz-app`. Постепенно се локализират. ## Уроци -| | Име на проекта | Преподавани концепции | Учебни цели | Свързан урок | -| :---: | :-------------------------------------: | :---------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Стартиране](./1-getting-started/README.md) | Въведение в IoT | Научете основните принципи на IoT и основните градивни елементи на IoT решения като сензори и облачни услуги, докато настройвате първото си IoT устройство | [Въведение в IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Стартиране](./1-getting-started/README.md) | По-задълбочено в IoT | Научете повече за компонентите на IoT система, както и за микроконтролерите и едноплатковите компютри | [По-задълбочено в IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Стартиране](./1-getting-started/README.md) | Взаимодействие с физическия свят чрез сензори и изпълнителни механизми | Научете за сензори за събиране на данни от физическия свят и изпълнителни механизми за изпращане на обратна връзка, докато изграждате нощна лампа | [Взаимодействие с физическия свят чрез сензори и изпълнителни механизми](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Стартиране](./1-getting-started/README.md) | Свържете устройството си с интернет | Научете как да свържете IoT устройство с интернет, за да изпраща и получава съобщения чрез свързване на нощната лампа с MQTT брокер | [Свържете устройството си с интернет](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Ферма](./2-farm/README.md) | Предсказване на растежа на растения | Научете как да предсказвате растежа на растения, използвайки данни за температура, събрани от IoT устройство | [Предсказване на растежа на растения](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Ферма](./2-farm/README.md) | Откриване на влажност на почвата | Научете как да откриете влажност на почвата и да калибрирате сензор за влажност на почвата | [Откриване на влажност на почвата](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Ферма](./2-farm/README.md) | Автоматизирано поливане на растения | Научете как да автоматизирате и таймвате поливането с помощта на реле и MQTT | [Автоматизирано поливане на растения](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Ферма](./2-farm/README.md) | Преместване на растението в облака | Научете за облака и хостваните в облака IoT услуги и как да свържете вашето растение с някоя от тях вместо публичен MQTT брокер | [Преместване на растението в облака](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Ферма](./2-farm/README.md) | Преместване на логиката на приложението в облака | Научете как да пишете логика на приложението в облака, която реагира на IoT съобщения | [Преместване на логиката на приложението в облака](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Ферма](./2-farm/README.md) | Поддържайте вашето растение защитено | Научете за сигурността в IoT и как да запазите вашето растение защитено с ключове и сертификати | [Поддържайте вашето растение защитено](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Транспорт](./3-transport/README.md) | Локационно проследяване | Научете за GPS проследяване на местоположението на IoT устройства | [Локационно проследяване](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Транспорт](./3-transport/README.md) | Съхранение на данни за местоположение | Научете как да съхранявате IoT данни, за да бъдат визуализирани или анализирани по-късно | [Съхранение на данни за местоположение](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Транспорт](./3-transport/README.md) | Визуализиране на данни за местоположение | Научете за визуализирането на данни за местоположение на карта и как картите представят реалния 3D свят в 2 измерения | [Визуализиране на данни за местоположение](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Транспорт](./3-transport/README.md) | Геозони | Научете за геозони и как те могат да се използват за предупреждение, когато превозни средства в складската верига са близо до дестинацията им | [Геозони](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Производство](./4-manufacturing/README.md) | Обучение на детектор за качество на плодове | Научете как да обучите класификатор на изображения в облака за откриване на качеството на плодове | [Обучение на детектор за качество на плодове](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Производство](./4-manufacturing/README.md) | Проверка на качеството на плодове с IoT устройство | Научете за използването на вашия детектор за качество на плодове от IoT устройство | [Проверка на качеството на плодове с IoT устройство](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)| -| 17 | [Производство](./4-manufacturing/README.md) | Стартиране на детектора за плодове в периферията | Научете как да стартирате вашия детектор за плодове на IoT устройство на ръба | [Стартиране на детектора за плодове в периферията](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Производство](./4-manufacturing/README.md) | Стартиране на откриване на качество на плодове от сензор | Научете за стартирането на откриване на качеството на плодове от сензор | [Стартиране на откриване на качество на плодове от сензор](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)| -| 19 | [Търговия](./5-retail/README.md) | Обучение на детектор на наличности | Научете как да използвате откриване на обекти за обучение на детектор за наличности за преброяване на стоки в магазин | [Обучение на детектор на наличности](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Търговия](./5-retail/README.md) | Проверка на наличностите с IoT устройство | Научете как да проверявате наличностите с IoT устройство, използвайки модел за откриване на обекти | [Проверка на наличности с IoT устройство](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Потребител](./6-consumer/README.md) | Разпознаване на реч с IoT устройство | Научете как да разпознавате реч от IoT устройство, за да изградите умен таймер | [Разпознаване на реч с IoT устройство](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Потребител](./6-consumer/README.md) | Разбиране на език | Научете как да разбирате изречения, говорени към IoT устройство | [Разбиране на език](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Потребител](./6-consumer/README.md) | Настройване на таймер и предоставяне на устна обратна връзка | Научете как да настроите таймер на IoT устройство и да давате устна обратна връзка кога таймерът е зададен и кога свършва | [Настройване на таймер и устна обратна връзка](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Потребител](./6-consumer/README.md) | Поддръжка на няколко езика | Научете как да поддържате няколко езика, както говоримите към устройството, така и отговорите от умния таймер | [Поддръжка на няколко езика](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Достъп офлайн - -Можете да използвате тази документация офлайн с помощта на [Docsify](https://docsify.js.org/#/). Клонирайте това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашата локална машина, и след това в кореновата папка на това хранилище изпълнете `docsify serve`. Уебсайтът ще бъде обслужван на порт 3000 на вашия localhost: `localhost:3000`. +| | Име на проекта | Преподавани концепции | Цели на обучението | Свързан урок | +| :---: | :------------------------------------: | :--------------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Getting started](./1-getting-started/README.md) | Въведение в IoT | Научете основните принципи на IoT и основните блокове на IoT решения като сензори и облачни услуги, докато настройвате първото си IoT устройство | [Introduction to IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Getting started](./1-getting-started/README.md) | По-задълбочено в IoT | Научете повече за компонентите на IoT системата, както и за микроконтролери и едноплаткови компютри | [A deeper dive into IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Getting started](./1-getting-started/README.md) | Взаимодействие с физическия свят чрез сензори и активатори | Научете за сензори за събиране на данни от физическия свят и за активатори за издаване на обратна връзка, докато изграждате нощна лампа | [Interact with the physical world with sensors and actuators](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Getting started](./1-getting-started/README.md) | Свържете устройството си с Интернет | Научете как да свържете IoT устройство с Интернет, за да изпращате и получавате съобщения, като свързвате нощната си лампа с MQTT брокер | [Connect your device to the Internet](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Farm](./2-farm/README.md) | Предсказване на растежа на растения | Научете как да предсказвате растежа на растения, използвайки температурни данни, събрани от IoT устройство | [Predict plant growth](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Farm](./2-farm/README.md) | Откриване на влажност на почвата | Научете как да откривате влажност на почвата и да калибрирате сензор за влажност на почва | [Detect soil moisture](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Farm](./2-farm/README.md) | Автоматизирано поливане на растения | Научете как да автоматизирате и отложите поливането, използвайки реле и MQTT | [Automated plant watering](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Farm](./2-farm/README.md) | Мигрирайте растението си в облака | Научете за облака и хостваните в облака IoT услуги и как да свържете растението си към тях вместо към публичен MQTT брокер | [Migrate your plant to the cloud](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Farm](./2-farm/README.md) | Мигрирайте логиката на приложение в облака | Научете как да пишете логика на приложения в облака, която отговаря на IoT съобщения | [Migrate your application logic to the cloud](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Farm](./2-farm/README.md) | Защитете растението си | Научете за сигурността в IoT и как да защитите растението си с ключове и сертификати | [Keep your plant secure](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Transport](./3-transport/README.md) | Проследяване на местоположение | Научете за GPS проследяване на местоположение за IoT устройства | [Location tracking](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Transport](./3-transport/README.md) | Запис на данни за местоположение | Научете как да съхранявате IoT данни за визуализация или анализ по-късно | [Store location data](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Transport](./3-transport/README.md) | Визуализиране на данни за местоположение | Научете как да визуализирате данни за местоположение на карта и как картите представят реалния 3D свят в 2 измерения | [Visualize location data](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Transport](./3-transport/README.md) | Геозони | Научете за геозони и как те могат да се използват за сигнализиране, когато превозни средства в доставната верига са близо до своята дестинация | [Geofences](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Manufacturing](./4-manufacturing/README.md) | Обучение на детектор за качество на плодове | Научете за обучението на класификатор на изображения в облака за откриване качеството на плодове | [Train a fruit quality detector](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Manufacturing](./4-manufacturing/README.md) | Проверка на качеството на плодове от IoT устройство | Научете за използването на вашия детектор за качество на плодове от IoT устройство | [Check fruit quality from an IoT device](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Manufacturing](./4-manufacturing/README.md) | Стартиране на детектора за плодове на ръба | Научете за стартирането на вашия детектор за плодове на IoT устройство на ръба | [Run your fruit detector on the edge](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Manufacturing](./4-manufacturing/README.md) | Активиране на откриване на качество на плод от сензор | Научете за активирането на откриването на качество на плод от сензор | [Trigger fruit quality detection from a sensor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Retail](./5-retail/README.md) | Обучение на детектор за наличности | Научете как да използвате откриване на обекти за обучение на детектор на наличности за броене на наличностите в магазин | [Train a stock detector](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Retail](./5-retail/README.md) | Проверка на наличност от IoT устройство | Научете как да проверявате наличност от IoT устройство, използвайки модел за откриване на обекти | [Check stock from an IoT device](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Consumer](./6-consumer/README.md) | Разпознаване на реч с IoT устройство | Научете как да разпознавате реч от IoT устройство за създаване на умен таймер | [Recognize speech with an IoT device](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Consumer](./6-consumer/README.md) | Разбиране на езика | Научете как да разбирате изречения, казани на IoT устройство | [Understand language](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Consumer](./6-consumer/README.md) | Настройка на таймер и предоставяне на обратна реч | Научете как да настроите таймер на IoT устройство и да давате речева обратна връзка кога е настроен таймера и кога приключва | [Set a timer and provide spoken feedback](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Consumer](./6-consumer/README.md) | Поддръжка на няколко езика | Научете как да поддържате няколко езика, както в говоренето, така и в отговорите на вашия умен таймер | [Support multiple languages](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Офлайн достъп + +Можете да използвате тази документация офлайн, като използвате [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на локалната си машина и след това в главната папка на това хранилище напишете `docsify serve`. Уебсайтът ще се зареди на порт 3000 на локалния ви хост: `localhost:3000`. ## Тест -Благодарим на общността за хостването на интерактивния тест, който проверява вашите познания по всеки от главите. Можете да проверите знанията си [тук](https://ff-quizzes.netlify.app/en/) +Благодарим на общността за хостването на интерактивния тест, който проверява вашите знания за всяка от главите. Тествайте знанията си [тук](https://ff-quizzes.netlify.app/en/) ### PDF -Можете да генерирате PDF на това съдържание за офлайн достъп при нужда. За да направите това, уверете се, че имате [npm инсталиран](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) и изпълнете следните команди в кореновата папка на това хранилище: +Можете да генерирате PDF на това съдържание за офлайн достъп, ако е необходимо. За да направите това, уверете се, че имате [инсталиран npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) и изпълнете следните команди в главната папка на това хранилище: ```sh npm i npm run convert ``` -### Слайдове +### Презентации + +Има презентации за някои от уроците в папката [slides](../../slides). -Има слайдове за някои от уроците в папката [slides](../../slides). ## Други учебни програми -Нашият екип създава и други учебни програми! Вижте: +Екипът ни произвежда и други учебни програми! Вижте: ### LangChain -[![LangChain4j за начинаещи](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js за начинаещи](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- -### Azure / Edge / MCP / Агенти -[![AZD за начинаещи](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +### Azure / Edge / MCP / Agents +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI за начинаещи](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP за начинаещи](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI агенти за начинаещи](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Серия за генеративен ИИ -[![Генеративен ИИ за начинаещи](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Генеративен ИИ (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Генеративен ИИ (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Генеративен ИИ (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Серия за Генеративен AI +[![Генеративен AI за начинаещи](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Генеративен AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Генеративен AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Генеративен AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Основно обучение [![Машинно обучение за начинаещи](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Данни науки за начинаещи](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![ИИ за начинаещи](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Наука за данни за начинаещи](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI за начинаещи](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![Киберсигурност за начинаещи](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![Уеб разработка за начинаещи](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![IoT за начинаещи](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) @@ -195,18 +169,18 @@ npm run convert --- ### Серия Copilot -[![Copilot за ИИ съвместно програмиране](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot за съвместно програмиране с AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot за C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot приключение](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Приключение с Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Приписване на изображения +## Атрибуции на изображения -Можете да намерите всички приписвания за използваните изображения в тази учебна програма там, където е необходимо, в [Attributions](./attributions.md). +Можете да намерите всички атрибуции за изображенията, използвани в тази учебна програма там, където е необходимо, в [Attributions](./attributions.md). --- -**Отказ от отговорност**: -Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на съответния език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да било недоразумения или неправилни тълкувания, произтичащи от използването на този превод. +**Отказ от отговорност**: +Този документ е преведен с помощта на AI преводаческа услуга [Co-op Translator](https://github.com/Azure/co-op-translator). Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за каквито и да е недоразумения или неправилни тълкувания, произтичащи от използването на този превод. \ No newline at end of file diff --git a/translations/bg/hardware.md b/translations/bg/hardware.md index 3372bbcd2..fdeced19d 100644 --- a/translations/bg/hardware.md +++ b/translations/bg/hardware.md @@ -26,7 +26,7 @@ Seeed Studios любезно предоставиха целия хардуер **[IoT за начинаещи със Seeed и Microsoft - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Комплектът хардуер Raspberry Pi Terminal](../../translated_images/bg/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Комплектът хардуер Raspberry Pi Terminal](../../translated_images/bg/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino diff --git a/translations/ro/.co-op-translator.json b/translations/ro/.co-op-translator.json index 50f512862..1cd6fea32 100644 --- a/translations/ro/.co-op-translator.json +++ b/translations/ro/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "ro" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:33:11+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:44:10+00:00", "source_file": "README.md", "language_code": "ro" }, diff --git a/translations/ro/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/ro/1-getting-started/lessons/1-introduction-to-iot/README.md index a54ac1b3d..1427ca4a5 100644 --- a/translations/ro/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/ro/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Introducere în IoT -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-1.2606670fa61ee904.webp) > Ilustrație realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. diff --git a/translations/ro/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/ro/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 300854e42..5edb23bb1 100644 --- a/translations/ro/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/ro/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Ca un al doilea pas 'Hello World', veți rula aplicația CounterFit și veți co Aplicația va începe să ruleze și se va deschide în browserul dvs. web: - ![Aplicația Counter Fit rulând într-un browser](../../../../../translated_images/ro/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Aplicația Counter Fit rulând într-un browser](../../../../../translated_images/ro/counterfit-first-run.433326358b669b31.webp) Va fi marcată ca *Disconnected*, cu LED-ul din colțul din dreapta sus stins. @@ -224,7 +224,7 @@ Ca un al doilea pas 'Hello World', veți rula aplicația CounterFit și veți co 1. În acest nou terminal, rulați fișierul `app.py` ca înainte. Statusul CounterFit se va schimba la **Connected**, iar LED-ul se va aprinde. - ![Counter Fit arătând ca fiind conectat](../../../../../translated_images/ro/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit arătând ca fiind conectat](../../../../../translated_images/ro/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Puteți găsi acest cod în folderul [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/ro/1-getting-started/lessons/2-deeper-dive/README.md b/translations/ro/1-getting-started/lessons/2-deeper-dive/README.md index 6f47a0526..c92892ce0 100644 --- a/translations/ro/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/ro/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # O privire mai profundă asupra IoT -![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-2.324b0580d620c25e.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -38,7 +38,7 @@ Partea **Dispozitiv** din IoT se referă la un aparat care poate interacționa c Aceste dispozitive interacționează cu lumea fizică, fie prin utilizarea senzorilor pentru a colecta date din mediul înconjurător, fie prin controlarea ieșirilor sau actuatoarelor pentru a face modificări fizice. Exemplul tipic este un termostat inteligent - un dispozitiv care are un senzor de temperatură, un mijloc de setare a unei temperaturi dorite, cum ar fi un cadran sau un ecran tactil, și o conexiune la un sistem de încălzire sau răcire care poate fi activat atunci când temperatura detectată este în afara intervalului dorit. Senzorul de temperatură detectează că încăperea este prea rece, iar un actuator pornește încălzirea. -![Un diagram care arată temperatura și un cadran ca intrări pentru un dispozitiv IoT, și controlul unui încălzitor ca ieșire](../../../../../translated_images/ro/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Un diagram care arată temperatura și un cadran ca intrări pentru un dispozitiv IoT, și controlul unui încălzitor ca ieșire](../../../../../translated_images/ro/basic-thermostat.a923217fd1f37e5a.webp) Există o gamă largă de lucruri care pot acționa ca dispozitive IoT, de la hardware dedicat care detectează un singur lucru, la dispozitive de uz general, chiar și smartphone-ul tău! Un smartphone poate folosi senzori pentru a detecta lumea din jurul său și actuatoare pentru a interacționa cu lumea - de exemplu, utilizând un senzor GPS pentru a detecta locația ta și un difuzor pentru a-ți oferi instrucțiuni de navigare către o destinație. @@ -54,7 +54,7 @@ Dispozitivele nu se conectează întotdeauna direct la Internet prin WiFi sau co În exemplul unui termostat inteligent, termostatul s-ar conecta folosind WiFi-ul de acasă la un serviciu cloud. Acesta ar trimite datele de temperatură către acest serviciu cloud, iar de acolo ar fi scrise într-o bază de date, permițând proprietarului să verifice temperaturile curente și anterioare folosind o aplicație de telefon. Un alt serviciu din cloud ar ști ce temperatură dorește proprietarul și ar trimite mesaje înapoi către dispozitivul IoT prin serviciul cloud pentru a spune sistemului de încălzire să se pornească sau să se oprească. -![Un diagram care arată temperatura și un cadran ca intrări pentru un dispozitiv IoT, dispozitivul IoT cu comunicare bidirecțională către cloud, care la rândul său are comunicare bidirecțională către un telefon, și controlul unui încălzitor ca ieșire din dispozitivul IoT](../../../../../translated_images/ro/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Un diagram care arată temperatura și un cadran ca intrări pentru un dispozitiv IoT, dispozitivul IoT cu comunicare bidirecțională către cloud, care la rândul său are comunicare bidirecțională către un telefon, și controlul unui încălzitor ca ieșire din dispozitivul IoT](../../../../../translated_images/ro/mobile-controlled-thermostat.4a994010473d8d6a.webp) O versiune și mai inteligentă ar putea folosi AI în cloud cu date de la alți senzori conectați la alte dispozitive IoT, cum ar fi senzori de ocupare care detectează ce camere sunt utilizate, precum și date precum vremea și chiar calendarul tău, pentru a lua decizii privind setarea temperaturii într-un mod inteligent. De exemplu, ar putea opri încălzirea dacă citește din calendarul tău că ești în vacanță sau ar putea opri încălzirea pe baza utilizării camerelor, învățând din date pentru a fi din ce în ce mai precis în timp. @@ -94,7 +94,7 @@ Cu cât ciclul ceasului este mai rapid, cu atât mai multe instrucțiuni pot fi > 💁 CPU-urile execută programe folosind [ciclul fetch-decode-execute](https://wikipedia.org/wiki/Instruction_cycle). Pentru fiecare ticăit de ceas, CPU-ul va prelua următoarea instrucțiune din memorie, o va decoda, apoi o va executa, cum ar fi utilizarea unei unități logice aritmetice (ALU) pentru a aduna 2 numere. Unele execuții vor dura mai multe ticăituri pentru a rula, astfel încât următorul ciclu va rula la următorul ticăit după ce instrucțiunea a fost finalizată. -![Ciclurile fetch-decode-execute care arată preluarea unei instrucțiuni din programul stocat în RAM, apoi decodarea și executarea acesteia pe un CPU](../../../../../translated_images/ro/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Ciclurile fetch-decode-execute care arată preluarea unei instrucțiuni din programul stocat în RAM, apoi decodarea și executarea acesteia pe un CPU](../../../../../translated_images/ro/fetch-decode-execute.2fd6f150f6280392.webp) Microcontrolerele au viteze de ceas mult mai mici decât computerele desktop sau laptop, sau chiar decât majoritatea smartphone-urilor. De exemplu, Wio Terminal are un CPU care funcționează la 120MHz sau 120.000.000 de cicluri pe secundă. @@ -182,7 +182,7 @@ Plăcile Arduino sunt programate în C sau C++. Utilizarea C/C++ permite ca codu Ai scrie codul de inițializare în funcția `setup`, cum ar fi conectarea la WiFi și servicii cloud sau inițializarea pinilor pentru intrare și ieșire. Codul din `loop` ar conține apoi procesarea, cum ar fi citirea de la un senzor și trimiterea valorii în cloud. De obicei, ai include o întârziere în fiecare buclă, de exemplu, dacă dorești ca datele senzorului să fie trimise doar la fiecare 10 secunde, ai adăuga o întârziere de 10 secunde la sfârșitul buclei, astfel încât microcontrolerul să poată dormi, economisind energie, apoi să ruleze bucla din nou când este necesar, 10 secunde mai târziu. -![O schiță Arduino care rulează mai întâi setup, apoi rulează loop repetat](../../../../../translated_images/ro/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![O schiță Arduino care rulează mai întâi setup, apoi rulează loop repetat](../../../../../translated_images/ro/arduino-sketch.79590cb837ff7a7c.webp) ✅ Această arhitectură de program este cunoscută sub numele de *buclă de evenimente* sau *buclă de mesaje*. Multe aplicații folosesc acest model în fundal și este standardul pentru majoritatea aplicațiilor desktop care rulează pe OS-uri precum Windows, macOS sau Linux. Funcția `loop` ascultă mesaje de la componentele interfeței de utilizator, cum ar fi butoanele, sau dispozitivele precum tastatura, și răspunde la acestea. Poți citi mai multe în acest [articol despre bucla de evenimente](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/README.md index 68ee53244..1d94dda20 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Interacționează cu lumea fizică folosind senzori și actuatoare -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-3.cc3b7b4cd646de59.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -92,7 +92,7 @@ Senzorii digitali, la fel ca cei analogici, detectează lumea din jur folosind s Cel mai simplu senzor digital este un buton sau un comutator. Acesta este un senzor cu două stări, pornit sau oprit. -![Un buton alimentat cu 5 volți. Când nu este apăsat, returnează 0 volți; când este apăsat, returnează 5 volți](../../../../../translated_images/ro/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Un buton alimentat cu 5 volți. Când nu este apăsat, returnează 0 volți; când este apăsat, returnează 5 volți](../../../../../translated_images/ro/button.eadb560b77ac45e5.webp) Pinii de pe dispozitivele IoT, cum ar fi pinii GPIO, pot măsura direct acest semnal ca 0 sau 1. Dacă tensiunea trimisă este aceeași cu tensiunea returnată, valoarea citită este 1, altfel valoarea citită este 0. Nu este nevoie să se convertească semnalul, acesta poate fi doar 1 sau 0. @@ -125,7 +125,7 @@ Câteva actuatoare comune includ: Urmează ghidul relevant de mai jos pentru a adăuga un actuator la dispozitivul tău IoT, controlat de senzor, pentru a construi o lampă de veghe IoT. Aceasta va colecta nivelurile de lumină de la senzorul de lumină și va utiliza un actuator sub forma unui LED pentru a emite lumină atunci când nivelul de lumină detectat este prea scăzut. -![O diagramă de flux a sarcinii, arătând citirea și verificarea nivelurilor de lumină și controlul LED-ului](../../../../../translated_images/ro/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![O diagramă de flux a sarcinii, arătând citirea și verificarea nivelurilor de lumină și controlul LED-ului](../../../../../translated_images/ro/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Computer cu placă unică - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ La fel ca senzorii, actuatoarele pot fi analogice sau digitale. Actuatoarele analogice primesc un semnal analogic și îl transformă într-un tip de interacțiune, unde interacțiunea se schimbă în funcție de tensiunea furnizată. Un exemplu este o lumină reglabilă, cum ar fi cele pe care le-ai putea avea în casă. Cantitatea de tensiune furnizată luminii determină cât de strălucitoare este aceasta. -![O lumină estompată la o tensiune joasă și mai strălucitoare la o tensiune mai mare](../../../../../translated_images/ro/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![O lumină estompată la o tensiune joasă și mai strălucitoare la o tensiune mai mare](../../../../../translated_images/ro/dimmable-light.9ceffeb195dec1a8.webp) La fel ca în cazul senzorilor, dispozitivul IoT funcționează cu semnale digitale, nu analogice. Asta înseamnă că, pentru a trimite un semnal analogic, dispozitivul IoT are nevoie de un convertor digital-analogic (DAC), fie direct pe dispozitivul IoT, fie pe o placă de conectare. Acesta va converti 0-urile și 1-urile de la dispozitivul IoT într-o tensiune analogică pe care actuatorul o poate utiliza. @@ -187,7 +187,7 @@ Actuatorii digitali, la fel ca senzorii digitali, au fie două stări controlate Un actuator digital simplu este un LED. Când un dispozitiv trimite un semnal digital de 1, se trimite o tensiune înaltă care aprinde LED-ul. Când se trimite un semnal digital de 0, tensiunea scade la 0V și LED-ul se stinge. -![Un LED este stins la 0 volți și aprins la 5V](../../../../../translated_images/ro/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![Un LED este stins la 0 volți și aprins la 5V](../../../../../translated_images/ro/led.ec6d94f66676a174.webp) ✅ Ce alți actuatori simpli cu 2 stări îți vin în minte? Un exemplu este un solenoid, care este un electromagnet ce poate fi activat pentru a face lucruri precum mișcarea unui șurub de ușă pentru a bloca/debloca o ușă. diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 5c8de465b..6a220c6a2 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ LED-ul Grove vine ca un modul cu o selecție de LED-uri, permițându-ți să al Conectează LED-ul. -![Un LED Grove](../../../../../translated_images/ro/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Un LED Grove](../../../../../translated_images/ro/grove-led.6c853be93f473cf2.webp) 1. Alege LED-ul preferat și inserează picioarele acestuia în cele două găuri de pe modulul LED. @@ -40,7 +40,7 @@ Conectează LED-ul. 1. Cu Raspberry Pi oprit, conectează celălalt capăt al cablului Grove la soclul digital marcat **D5** pe Grove Base hat atașat la Pi. Acest soclu este al doilea din stânga, pe rândul de socluri de lângă pini GPIO. -![LED-ul Grove conectat la soclul D5](../../../../../translated_images/ro/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![LED-ul Grove conectat la soclul D5](../../../../../translated_images/ro/pi-led.97f1d474981dc35d.webp) ## Programează lampa de veghe diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 951651853..0c0f2ad50 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Senzorul de lumină Grove utilizat pentru detectarea nivelurilor de lumină treb Conectează senzorul de lumină. -![Un senzor de lumină Grove](../../../../../translated_images/ro/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Un senzor de lumină Grove](../../../../../translated_images/ro/grove-light-sensor.b8127b7c434e632d.webp) 1. Introdu un capăt al unui cablu Grove în soclul modulului senzorului de lumină. Acesta va intra doar într-un singur mod. 1. Cu Raspberry Pi-ul oprit, conectează celălalt capăt al cablului Grove la soclul analogic marcat **A0** de pe Grove Base hat atașat la Pi. Acest soclu este al doilea din dreapta, pe rândul de socluri de lângă pini GPIO. -![Senzorul de lumină Grove conectat la soclul A0](../../../../../translated_images/ro/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Senzorul de lumină Grove conectat la soclul A0](../../../../../translated_images/ro/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Programează senzorul de lumină diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 8a27d473b..c5d5ce4b8 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Adaugă LED-ul în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea LED-ul pe Pin 5. - ![Setările LED-ului](../../../../../translated_images/ro/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Setările LED-ului](../../../../../translated_images/ro/counterfit-create-led.ba9db1c9b8c622a6.webp) LED-ul va fi creat și va apărea în lista de actuatori. - ![LED-ul creat](../../../../../translated_images/ro/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![LED-ul creat](../../../../../translated_images/ro/counterfit-led.c0ab02de6d256ad8.webp) După ce LED-ul a fost creat, poți schimba culoarea folosind selectorul *Color*. Selectează butonul **Set** pentru a schimba culoarea după ce ai ales-o. diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index 6730af1fb..5619c7734 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Adaugă senzorul de lumină în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul de lumină pe Pin 0. - ![Setările senzorului de lumină](../../../../../translated_images/ro/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Setările senzorului de lumină](../../../../../translated_images/ro/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Senzorul de lumină va fi creat și va apărea în lista de senzori. - ![Senzorul de lumină creat](../../../../../translated_images/ro/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Senzorul de lumină creat](../../../../../translated_images/ro/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Programează senzorul de lumină diff --git a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index cc4e5018c..a579c50de 100644 --- a/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/ro/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ LED-ul Grove vine ca un modul cu o selecție de LED-uri, permițându-ți să al Conectează LED-ul. -![Un LED Grove](../../../../../translated_images/ro/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Un LED Grove](../../../../../translated_images/ro/grove-led.6c853be93f473cf2.webp) 1. Alege LED-ul preferat și inserează picioarele acestuia în cele două găuri de pe modulul LED. diff --git a/translations/ro/1-getting-started/lessons/4-connect-internet/README.md b/translations/ro/1-getting-started/lessons/4-connect-internet/README.md index 26b465741..ad4708347 100644 --- a/translations/ro/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/ro/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Conectează dispozitivul tău la Internet -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-4.7344e074ea68fa54.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -47,7 +47,7 @@ MQTT este cel mai popular protocol de comunicare pentru dispozitivele IoT și es MQTT are un singur broker și mai mulți clienți. Toți clienții se conectează la broker, iar brokerul direcționează mesajele către clienții relevanți. Mesajele sunt direcționate folosind subiecte denumite, mai degrabă decât să fie trimise direct unui client individual. Un client poate publica pe un subiect, iar orice client care se abonează la acel subiect va primi mesajul. -![Dispozitiv IoT care publică telemetrie pe subiectul /telemetry, iar serviciul cloud se abonează la acel subiect](../../../../../translated_images/ro/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![Dispozitiv IoT care publică telemetrie pe subiectul /telemetry, iar serviciul cloud se abonează la acel subiect](../../../../../translated_images/ro/mqtt.cbf7f21d9adc3e17.webp) ✅ Fă niște cercetări. Dacă ai multe dispozitive IoT, cum poți asigura că brokerul MQTT poate gestiona toate mesajele? @@ -69,7 +69,7 @@ Un caz de utilizare real pentru o astfel de configurație ar putea fi colectarea > 💁 Acest broker de test este public și nesecurizat. Oricine ar putea asculta ceea ce publici, așa că nu ar trebui utilizat cu date care trebuie păstrate private. -![Un diagramă de flux a exercițiului care arată nivelurile de lumină fiind citite și verificate, și LED-ul fiind controlat](../../../../../translated_images/ro/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Un diagramă de flux a exercițiului care arată nivelurile de lumină fiind citite și verificate, și LED-ul fiind controlat](../../../../../translated_images/ro/assignment-1-internet-flow.3256feab5f052fd2.webp) Urmează pasul relevant de mai jos pentru a conecta dispozitivul tău la brokerul MQTT: @@ -350,7 +350,7 @@ Pentru mașinării, s-ar putea să vrei să păstrezi datele, mai ales dacă sun Designerii dispozitivelor IoT ar trebui să ia în considerare, de asemenea, dacă dispozitivul IoT poate fi utilizat în timpul unei întreruperi a Internetului sau a pierderii semnalului cauzate de locație. Un termostat inteligent ar trebui să poată lua unele decizii limitate pentru a controla încălzirea dacă nu poate trimite telemetrie în cloud din cauza unei întreruperi. -[![Această mașină Ferrari a fost blocată pentru că cineva a încercat să o actualizeze sub pământ, unde nu există semnal](../../../../../translated_images/ro/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Această mașină Ferrari a fost blocată pentru că cineva a încercat să o actualizeze sub pământ, unde nu există semnal](../../../../../translated_images/ro/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Pentru ca MQTT să gestioneze o pierdere de conectivitate, codul dispozitivului și al serverului va trebui să fie responsabil pentru asigurarea livrării mesajelor, dacă este necesar, de exemplu prin cerința ca toate mesajele trimise să fie răspunse prin mesaje suplimentare pe un topic de răspuns, iar dacă nu, acestea să fie puse în coadă manual pentru a fi retrimise mai târziu. @@ -358,7 +358,7 @@ Pentru ca MQTT să gestioneze o pierdere de conectivitate, codul dispozitivului Comenzile sunt mesaje trimise de cloud către un dispozitiv, instruindu-l să facă ceva. De cele mai multe ori, acest lucru implică oferirea unui fel de ieșire printr-un actuator, dar poate fi și o instrucțiune pentru dispozitivul în sine, cum ar fi să se repornească sau să colecteze telemetrie suplimentară și să o returneze ca răspuns la comandă. -![Un termostat conectat la Internet care primește o comandă pentru a porni încălzirea](../../../../../translated_images/ro/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Un termostat conectat la Internet care primește o comandă pentru a porni încălzirea](../../../../../translated_images/ro/commands.d6c06bbbb3a02cce.webp) Un termostat ar putea primi o comandă din cloud pentru a porni încălzirea. Pe baza datelor de telemetrie de la toți senzorii, dacă serviciul cloud a decis că încălzirea ar trebui să fie pornită, trimite comanda relevantă. diff --git a/translations/ro/2-farm/lessons/1-predict-plant-growth/README.md b/translations/ro/2-farm/lessons/1-predict-plant-growth/README.md index db3a1a508..ebb19882b 100644 --- a/translations/ro/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/ro/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # Preziceți creșterea plantelor cu IoT -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-5.42b234299279d263.webp) > Prezentare grafică de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -90,7 +90,7 @@ Zilele gradelor de creștere, sau GDD, sunt calculate pe zi ca temperatura medie Formula completă pentru GDD este puțin complicată, dar există o ecuație simplificată care este adesea utilizată ca o bună aproximare: -![GDD = T max + T min împărțit la 2, totul minus T bază](../../../../../translated_images/ro/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min împărțit la 2, totul minus T bază](../../../../../translated_images/ro/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - acesta este numărul de zile ale gradelor de creștere * **T max** - aceasta este temperatura maximă zilnică în grade Celsius @@ -118,7 +118,7 @@ Introducând aceste numere în calculul nostru: Aceasta dă un calcul de: -![GDD = 16 + 12 împărțit la 2, totul minus 10, rezultând un răspuns de 4](../../../../../translated_images/ro/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 împărțit la 2, totul minus 10, rezultând un răspuns de 4](../../../../../translated_images/ro/gdd-calculation-corn.64a58b7a7afcd0df.webp) Porumbul a primit 4 GDD în acea zi. Presupunând o varietate de porumb care necesită 800 GDD pentru a se maturiza, va avea nevoie de încă 796 GDD pentru a ajunge la maturitate. @@ -239,7 +239,7 @@ Pașii pentru a face acest lucru manual sunt: De exemplu, dacă temperatura maximă a zilei este 25°C, iar cea minimă este 12°C: -![GDD = 25 + 12 împărțit la 2, apoi scade 10 din rezultat, obținând 8.5](../../../../../translated_images/ro/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 împărțit la 2, apoi scade 10 din rezultat, obținând 8.5](../../../../../translated_images/ro/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/ro/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/ro/2-farm/lessons/1-predict-plant-growth/assignment.md index 39d8d9440..cf1570e33 100644 --- a/translations/ro/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/ro/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ După ce aveți datele de temperatură, puteți utiliza Jupyter Notebook-ul din Jupyter va porni și va deschide notebook-ul în browserul dvs. Parcurgeți instrucțiunile din notebook pentru a vizualiza temperaturile măsurate și a calcula zilele de grad de creștere. - ![Notebook-ul Jupyter](../../../../../translated_images/ro/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Notebook-ul Jupyter](../../../../../translated_images/ro/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Rubrică diff --git a/translations/ro/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/ro/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 10f1b7b46..db6fa23e5 100644 --- a/translations/ro/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/ro/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Senzorul de temperatură Grove poate fi conectat la Raspberry Pi. Conectează senzorul de temperatură -![Un senzor de temperatură Grove](../../../../../translated_images/ro/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Un senzor de temperatură Grove](../../../../../translated_images/ro/grove-dht11.07f8eafceee17004.webp) 1. Introdu un capăt al unui cablu Grove în mufa senzorului de umiditate și temperatură. Acesta va intra doar într-un singur sens. diff --git a/translations/ro/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/ro/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index c4fb8cb63..27a151d25 100644 --- a/translations/ro/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/ro/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Adaugă senzorii de umiditate și temperatură în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul de umiditate pe Pin 5. - ![Setările senzorului de umiditate](../../../../../translated_images/ro/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Setările senzorului de umiditate](../../../../../translated_images/ro/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Senzorul de umiditate va fi creat și va apărea în lista de senzori. - ![Senzorul de umiditate creat](../../../../../translated_images/ro/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Senzorul de umiditate creat](../../../../../translated_images/ro/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Creează un senzor de temperatură: @@ -54,11 +54,11 @@ Adaugă senzorii de umiditate și temperatură în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul de temperatură pe Pin 6. - ![Setările senzorului de temperatură](../../../../../translated_images/ro/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Setările senzorului de temperatură](../../../../../translated_images/ro/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Senzorul de temperatură va fi creat și va apărea în lista de senzori. - ![Senzorul de temperatură creat](../../../../../translated_images/ro/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Senzorul de temperatură creat](../../../../../translated_images/ro/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Programează aplicația senzorului de temperatură diff --git a/translations/ro/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/ro/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 8b40aa3c3..522edf22e 100644 --- a/translations/ro/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/ro/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Senzorul de temperatură Grove poate fi conectat la portul digital al Wio Termin Conectează senzorul de temperatură. -![Un senzor de temperatură Grove](../../../../../translated_images/ro/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Un senzor de temperatură Grove](../../../../../translated_images/ro/grove-dht11.07f8eafceee17004.webp) 1. Introdu un capăt al cablului Grove în soclul senzorului de umiditate și temperatură. Acesta va intra doar într-un singur sens. diff --git a/translations/ro/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/ro/2-farm/lessons/2-detect-soil-moisture/README.md index 2b2b6ca4b..c14030b89 100644 --- a/translations/ro/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/ro/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C are o magistrală formată din 2 fire principale, împreună cu 2 fire de a | VCC | Colector comun de tensiune | Alimentarea dispozitivelor. Acesta este conectat la firele SDA și SCL pentru a le furniza energie printr-un rezistor pull-up care oprește semnalul atunci când niciun dispozitiv nu este controler. | | GND | Masă | Oferă o masă comună pentru circuitul electric. | -![Magistrala I2C cu 3 dispozitive conectate la firele SDA și SCL, împărțind un fir comun de masă](../../../../../translated_images/ro/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![Magistrala I2C cu 3 dispozitive conectate la firele SDA și SCL, împărțind un fir comun de masă](../../../../../translated_images/ro/i2c.83da845dde02256b.webp) Pentru a trimite date, un dispozitiv va emite o condiție de start pentru a arăta că este pregătit să trimită date. Acesta va deveni apoi controlerul. Controlerul trimite adresa dispozitivului cu care dorește să comunice, împreună cu informația dacă dorește să citească sau să scrie date. După ce datele au fost transmise, controlerul trimite o condiție de stop pentru a indica faptul că a terminat. După aceasta, un alt dispozitiv poate deveni controler și poate trimite sau primi date. diff --git a/translations/ro/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/ro/2-farm/lessons/2-detect-soil-moisture/assignment.md index 0e8b6782f..3c47a4f2c 100644 --- a/translations/ro/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/ro/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Va trebui să repeți acești pași de mai multe ori pentru a obține citirile n Umiditatea gravimetrică a solului se calculează astfel: -![umiditatea solului % este greutatea umedă minus greutatea uscată, împărțită la greutatea uscată, înmulțită cu 100](../../../../../translated_images/ro/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![umiditatea solului % este greutatea umedă minus greutatea uscată, împărțită la greutatea uscată, înmulțită cu 100](../../../../../translated_images/ro/gsm-calculation.6da38c6201eec14e.webp) * W - greutatea solului umed * W - greutatea solului uscat De exemplu, să presupunem că ai o probă de sol care cântărește 212g umed și 197g uscat. -![Calculul completat](../../../../../translated_images/ro/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Calculul completat](../../../../../translated_images/ro/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/ro/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/ro/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index 3ef419a9d..9c3cdf899 100644 --- a/translations/ro/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/ro/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Senzorul Grove de umiditate a solului poate fi conectat la Raspberry Pi. Conectează senzorul de umiditate a solului. -![Un senzor Grove de umiditate a solului](../../../../../translated_images/ro/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Un senzor Grove de umiditate a solului](../../../../../translated_images/ro/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Introdu un capăt al unui cablu Grove în mufa senzorului de umiditate a solului. Acesta va intra doar într-un singur mod. 1. Cu Raspberry Pi oprit, conectează celălalt capăt al cablului Grove la mufa analogică marcată **A0** de pe Grove Base Hat atașat la Pi. Această mufă este a doua din dreapta, pe rândul de mufe de lângă pinii GPIO. -![Senzorul Grove de umiditate a solului conectat la mufa A0](../../../../../translated_images/ro/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Senzorul Grove de umiditate a solului conectat la mufa A0](../../../../../translated_images/ro/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Introdu senzorul de umiditate a solului în pământ. Acesta are o „linie de poziție maximă” - o linie albă trasată pe senzor. Introdu senzorul până la această linie, dar nu mai mult. diff --git a/translations/ro/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/ro/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index fec30338c..5f68bd284 100644 --- a/translations/ro/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/ro/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Adaugă senzorul de umiditate a solului în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul *Soil Moisture* pe Pin 0. - ![Setările senzorului de umiditate a solului](../../../../../translated_images/ro/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Setările senzorului de umiditate a solului](../../../../../translated_images/ro/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Senzorul de umiditate a solului va fi creat și va apărea în lista de senzori. - ![Senzorul de umiditate a solului creat](../../../../../translated_images/ro/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Senzorul de umiditate a solului creat](../../../../../translated_images/ro/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Programarea aplicației senzorului de umiditate a solului diff --git a/translations/ro/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/ro/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 7acce4673..a2132dda4 100644 --- a/translations/ro/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/ro/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Senzorul Grove de umiditate a solului poate fi conectat la portul analogic/digit Conectează senzorul de umiditate a solului. -![Un senzor Grove de umiditate a solului](../../../../../translated_images/ro/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Un senzor Grove de umiditate a solului](../../../../../translated_images/ro/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Introdu un capăt al cablului Grove în soclul senzorului de umiditate a solului. Acesta va intra doar într-un singur mod. diff --git a/translations/ro/2-farm/lessons/3-automated-plant-watering/README.md b/translations/ro/2-farm/lessons/3-automated-plant-watering/README.md index e7938ae25..d71d1700f 100644 --- a/translations/ro/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/ro/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Udare automată a plantelor -![O prezentare vizuală a lecției](../../../../../translated_images/ro/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![O prezentare vizuală a lecției](../../../../../translated_images/ro/lesson-7.30b5f577d3cb8e03.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -32,7 +32,7 @@ Dispozitivele IoT folosesc o tensiune joasă. Deși aceasta este suficientă pen Soluția este să conectați pompa la o sursă de alimentare externă și să folosiți un actuator pentru a porni pompa, similar cu modul în care aprindeți o lumină. Este nevoie de o cantitate mică de energie (sub formă de energie din corpul dumneavoastră) pentru ca degetul să apese pe un întrerupător, iar acest lucru conectează lumina la rețeaua electrică de 110V/240V. -![Un întrerupător de lumină pornește alimentarea unei lămpi](../../../../../translated_images/ro/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Un întrerupător de lumină pornește alimentarea unei lămpi](../../../../../translated_images/ro/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Electricitatea de rețea](https://wikipedia.org/wiki/Mains_electricity) se referă la electricitatea livrată în case și afaceri prin infrastructura națională în multe părți ale lumii. @@ -72,7 +72,7 @@ Când pârghia se mișcă, de obicei puteți auzi cum face contact cu electromag Electromagnetul nu are nevoie de multă putere pentru a se activa și a trage pârghia, acesta poate fi controlat folosind ieșirea de 3.3V sau 5V de la un kit de dezvoltare IoT. Circuitul de ieșire poate transporta mult mai multă putere, în funcție de releu, inclusiv tensiune de rețea sau chiar niveluri mai mari de putere pentru utilizare industrială. Astfel, un kit de dezvoltare IoT poate controla un sistem de irigații, de la o pompă mică pentru o singură plantă, până la un sistem industrial masiv pentru o fermă comercială întreagă. -![Un releu Grove cu circuitul de control, circuitul de ieșire și releul etichetate](../../../../../translated_images/ro/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Un releu Grove cu circuitul de control, circuitul de ieșire și releul etichetate](../../../../../translated_images/ro/grove-relay-labelled.293e068f5c3c2a19.webp) Imaginea de mai sus arată un releu Grove. Circuitul de control se conectează la un dispozitiv IoT și pornește sau oprește releul folosind 3.3V sau 5V. Circuitul de ieșire are două terminale, oricare dintre ele poate fi alimentare sau masă. Circuitul de ieșire poate gestiona până la 250V la 10A, suficient pentru o gamă de dispozitive alimentate de la rețea. Puteți găsi relee care pot gestiona chiar și niveluri mai mari de putere. diff --git a/translations/ro/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/ro/2-farm/lessons/3-automated-plant-watering/pi-relay.md index 576423245..8d837b99c 100644 --- a/translations/ro/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/ro/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Releul Grove poate fi conectat la Raspberry Pi. Conectați releul. -![Un releu Grove](../../../../../translated_images/ro/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Un releu Grove](../../../../../translated_images/ro/grove-relay.d426958ca210fbd0.webp) 1. Introduceți un capăt al unui cablu Grove în soclul releului. Acesta va intra doar într-un singur mod. 1. Cu Raspberry Pi oprit, conectați celălalt capăt al cablului Grove la soclul digital marcat **D5** pe Grove Base Hat atașat la Pi. Acest soclu este al doilea de la stânga, pe rândul de socluri de lângă pinii GPIO. Lăsați senzorul de umiditate a solului conectat la soclul **A0**. -![Releul Grove conectat la soclul D5 și senzorul de umiditate a solului conectat la soclul A0](../../../../../translated_images/ro/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Releul Grove conectat la soclul D5 și senzorul de umiditate a solului conectat la soclul A0](../../../../../translated_images/ro/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Introduceți senzorul de umiditate a solului în pământ, dacă nu este deja introdus din lecția anterioară. diff --git a/translations/ro/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/ro/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index bbdb0f9c2..fbf0602b5 100644 --- a/translations/ro/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/ro/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Adaugă releul în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea releul pe Pin 5. - ![Setările releului](../../../../../translated_images/ro/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Setările releului](../../../../../translated_images/ro/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Releul va fi creat și va apărea în lista de actuatori. - ![Releul creat](../../../../../translated_images/ro/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Releul creat](../../../../../translated_images/ro/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Programează releul diff --git a/translations/ro/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/ro/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index d11764928..ed4cebedb 100644 --- a/translations/ro/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/ro/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Releul Grove poate fi conectat la portul digital al Wio Terminal. Conectează releul. -![Un releu Grove](../../../../../translated_images/ro/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Un releu Grove](../../../../../translated_images/ro/grove-relay.d426958ca210fbd0.webp) 1. Introdu un capăt al unui cablu Grove în soclul releului. Acesta va intra doar într-un singur sens. diff --git a/translations/ro/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/ro/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index f30ea38ed..5ec9a8968 100644 --- a/translations/ro/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/ro/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrarea plantei tale în cloud -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-8.3f21f3c11159e6a0.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -46,8 +46,8 @@ Acest lucru putea fi foarte costisitor, necesita o gamă largă de angajați cal Cloud-ul este adesea numit în glumă „computerul altcuiva”. Ideea inițială era simplă - în loc să cumperi computere, închiriezi computerele altcuiva. Altcineva, un furnizor de servicii cloud, ar gestiona centre de date uriașe. Ei ar fi responsabili de achiziționarea și instalarea hardware-ului, gestionarea alimentării și răcirii, rețelistică, securitatea clădirii, actualizările hardware și software, totul. Ca client, ai închiria computerele de care ai nevoie, închiriind mai multe pe măsură ce cererea crește, apoi reducând numărul închiriat dacă cererea scade. Aceste centre de date cloud sunt răspândite în întreaga lume. -![Un centru de date cloud Microsoft](../../../../../translated_images/ro/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![O extindere planificată a unui centru de date cloud Microsoft](../../../../../translated_images/ro/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Un centru de date cloud Microsoft](../../../../../translated_images/ro/azure-region-existing.73f704604f2aa6cb.webp) +![O extindere planificată a unui centru de date cloud Microsoft](../../../../../translated_images/ro/azure-region-planned-expansion.a5074a1e8af74f15.webp) Aceste centre de date pot avea dimensiuni de câțiva kilometri pătrați. Imaginile de mai sus au fost realizate acum câțiva ani la un centru de date cloud Microsoft și arată dimensiunea inițială, împreună cu o extindere planificată. Zona curățată pentru extindere are peste 5 kilometri pătrați. @@ -108,11 +108,11 @@ Serviciile IoT în cloud rezolvă aceste probleme. Ele sunt întreținute de fur Dispozitivele IoT se conectează la un serviciu cloud fie utilizând un SDK pentru dispozitive (o bibliotecă care oferă cod pentru a lucra cu funcțiile serviciului), fie direct printr-un protocol de comunicare precum MQTT sau HTTP. SDK-ul pentru dispozitive este de obicei cea mai ușoară cale, deoarece gestionează totul pentru tine, cum ar fi cunoașterea subiectelor de publicare sau abonare și modul de gestionare a securității. -![Dispozitivele se conectează la un serviciu folosind un SDK pentru dispozitive. Codul serverului se conectează de asemenea la serviciu printr-un SDK](../../../../../translated_images/ro/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Dispozitivele se conectează la un serviciu folosind un SDK pentru dispozitive. Codul serverului se conectează de asemenea la serviciu printr-un SDK](../../../../../translated_images/ro/iot-service-connectivity.7e873847921a5d6f.webp) Dispozitivul tău comunică apoi cu alte părți ale aplicației tale prin acest serviciu - similar cu modul în care ai trimis telemetria și ai primit comenzi prin MQTT. Acest lucru se face de obicei folosind un SDK pentru serviciu sau o bibliotecă similară. Mesajele vin de la dispozitivul tău către serviciu, unde alte componente ale aplicației tale le pot citi, iar mesajele pot fi trimise înapoi către dispozitivul tău. -![Dispozitivele fără o cheie secretă validă nu se pot conecta la serviciul IoT](../../../../../translated_images/ro/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Dispozitivele fără o cheie secretă validă nu se pot conecta la serviciul IoT](../../../../../translated_images/ro/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Aceste servicii implementează securitatea prin cunoașterea tuturor dispozitivelor care pot fi conectate și pot trimite date, fie prin înregistrarea prealabilă a dispozitivelor în serviciu, fie prin oferirea dispozitivelor de chei secrete sau certificate pe care le pot folosi pentru a se înregistra singure în serviciu prima dată când se conectează. Dispozitivele necunoscute nu pot să se conecteze; dacă încearcă, serviciul respinge conexiunea și ignoră mesajele trimise de acestea. @@ -124,7 +124,7 @@ Alte componente ale aplicației tale pot să se conecteze la serviciul IoT și s Acum că ai un abonament Azure, te poți înscrie pentru un serviciu IoT. Serviciul IoT de la Microsoft se numește Azure IoT Hub. -![Logo-ul Azure IoT Hub](../../../../../translated_images/ro/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Logo-ul Azure IoT Hub](../../../../../translated_images/ro/azure-iot-hub-logo.28a19de76d0a1932.webp) Videoclipul de mai jos oferă o scurtă prezentare generală a Azure IoT Hub: diff --git a/translations/ro/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/ro/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 6dae597b2..d8cbae425 100644 --- a/translations/ro/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/ro/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrarea logicii aplicației tale în cloud -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-9.dfe99c8e891f48e1.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -28,7 +28,7 @@ Această lecție a fost predată ca parte a [Proiectului IoT pentru Începători Serverless, sau calculul fără server, implică crearea unor blocuri mici de cod care sunt rulate în cloud ca răspuns la diferite tipuri de evenimente. Când evenimentul are loc, codul tău este rulat și primește date despre eveniment. Aceste evenimente pot proveni din diverse surse, inclusiv cereri web, mesaje puse într-o coadă, modificări ale datelor dintr-o bază de date sau mesaje trimise către un serviciu IoT de către dispozitive IoT. -![Evenimente trimise de la un serviciu IoT către un serviciu serverless, toate procesate simultan de funcții multiple](../../../../../translated_images/ro/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Evenimente trimise de la un serviciu IoT către un serviciu serverless, toate procesate simultan de funcții multiple](../../../../../translated_images/ro/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Dacă ai folosit declanșatoare de baze de date înainte, poți considera acest lucru similar: codul este declanșat de un eveniment, cum ar fi inserarea unui rând. @@ -54,7 +54,7 @@ Ca dezvoltator IoT, modelul serverless este ideal. Poți scrie o funcție care e Serviciul de calcul serverless de la Microsoft se numește Azure Functions. -![Logo-ul Azure Functions](../../../../../translated_images/ro/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Logo-ul Azure Functions](../../../../../translated_images/ro/azure-functions-logo.1cfc8e3204c9c44a.webp) Videoclipul scurt de mai jos oferă o prezentare generală a Azure Functions. diff --git a/translations/ro/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/ro/2-farm/lessons/6-keep-your-plant-secure/README.md index 44d5ac96f..23e9c0ff5 100644 --- a/translations/ro/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/ro/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Păstrează-ți planta în siguranță -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-10.829c86b80b9403bb.webp) > Ilustrație de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -52,11 +52,11 @@ Acestea sunt scenarii reale și se întâmplă frecvent. Unele exemple au fost p Când un dispozitiv se conectează la un serviciu IoT, folosește un ID pentru a se identifica. Problema este că acest ID poate fi clonat - un hacker ar putea configura un dispozitiv malițios care folosește același ID ca un dispozitiv real, dar trimite date false. -![Atât dispozitivele valide, cât și cele malițioase ar putea folosi același ID pentru a trimite telemetrie](../../../../../translated_images/ro/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Atât dispozitivele valide, cât și cele malițioase ar putea folosi același ID pentru a trimite telemetrie](../../../../../translated_images/ro/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Soluția este să transformi datele trimise într-un format criptat, folosind o valoare cunoscută doar de dispozitiv și de cloud. Acest proces se numește *criptare*, iar valoarea utilizată pentru criptarea datelor se numește *cheie de criptare*. -![Dacă se folosește criptarea, doar mesajele criptate vor fi acceptate, celelalte vor fi respinse](../../../../../translated_images/ro/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Dacă se folosește criptarea, doar mesajele criptate vor fi acceptate, celelalte vor fi respinse](../../../../../translated_images/ro/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Serviciul cloud poate apoi să convertească datele înapoi într-un format lizibil, folosind un proces numit *decriptare*, utilizând fie aceeași cheie de criptare, fie o *cheie de decriptare*. Dacă mesajul criptat nu poate fi decriptat cu cheia, dispozitivul a fost compromis, iar mesajul este respins. diff --git a/translations/ro/3-transport/lessons/1-location-tracking/README.md b/translations/ro/3-transport/lessons/1-location-tracking/README.md index bf37b98dc..9b0e31d8d 100644 --- a/translations/ro/3-transport/lessons/1-location-tracking/README.md +++ b/translations/ro/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Urmărirea locației -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-11.9fddbac4b664c6d5.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -63,13 +63,13 @@ Pământul este o sferă - un cerc tridimensional. Din acest motiv, punctele sun > 💁 Nimeni nu știe cu adevărat motivul original pentru care cercurile sunt împărțite în 360 de grade. [Pagina despre grad (unghi) pe Wikipedia](https://wikipedia.org/wiki/Degree_(angle)) acoperă câteva dintre motivele posibile. -![Linii de latitudine de la 90° la Polul Nord, 45° la jumătatea distanței dintre Polul Nord și ecuator, 0° la ecuator, -45° la jumătatea distanței dintre ecuator și Polul Sud, și -90° la Polul Sud](../../../../../translated_images/ro/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Linii de latitudine de la 90° la Polul Nord, 45° la jumătatea distanței dintre Polul Nord și ecuator, 0° la ecuator, -45° la jumătatea distanței dintre ecuator și Polul Sud, și -90° la Polul Sud](../../../../../translated_images/ro/latitude-lines.11d8d91dfb2014a5.webp) Latitudinea este măsurată folosind linii care înconjoară Pământul și sunt paralele cu ecuatorul, împărțind emisferele nordică și sudică în câte 90° fiecare. Ecuatorul este la 0°, Polul Nord este la 90°, cunoscut și ca 90° Nord, iar Polul Sud este la -90°, sau 90° Sud. Longitudinea este măsurată ca numărul de grade măsurate spre est și vest. Originea longitudinii la 0° se numește *Meridianul Primar* și a fost definită în 1884 ca o linie de la Polul Nord la Polul Sud care trece prin [Observatorul Regal Britanic din Greenwich, Anglia](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Linii de longitudine care merg de la -180° la vest de Meridianul Primar, la 0° pe Meridianul Primar, la 180° est de Meridianul Primar](../../../../../translated_images/ro/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Linii de longitudine care merg de la -180° la vest de Meridianul Primar, la 0° pe Meridianul Primar, la 180° est de Meridianul Primar](../../../../../translated_images/ro/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Un meridian este o linie imaginară dreaptă care merge de la Polul Nord la Polul Sud, formând un semicerc. @@ -100,7 +100,7 @@ Coordonatele pentru un punct sunt întotdeauna date ca `latitudine, longitudine` * O latitudine de 47.6423109 (47.6423109 grade nord de ecuator) * O longitudine de -122.1390293 (122.1390293 grade vest de Meridianul Primar). -![Campusul Microsoft la 47.6423109,-122.117198](../../../../../translated_images/ro/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Campusul Microsoft la 47.6423109,-122.117198](../../../../../translated_images/ro/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Sisteme de poziționare globală (GPS) @@ -112,7 +112,7 @@ Sistemele GPS funcționează având un număr de sateliți care trimit un semnal > 💁 Senzorii GPS au nevoie de antene pentru a detecta undele radio. Antenele integrate în camioane și mașini cu GPS la bord sunt poziționate pentru a obține un semnal bun, de obicei pe parbriz sau pe acoperiș. Dacă utilizați un sistem GPS separat, cum ar fi un smartphone sau un dispozitiv IoT, trebuie să vă asigurați că antena integrată în sistemul GPS sau telefon are o vedere clară a cerului, cum ar fi montarea pe parbriz. -![Prin cunoașterea distanței de la senzor la mai mulți sateliți, locația poate fi calculată](../../../../../translated_images/ro/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Prin cunoașterea distanței de la senzor la mai mulți sateliți, locația poate fi calculată](../../../../../translated_images/ro/gps-satellites.04acf1148fe25fbf.webp) Sateliții GPS orbitează Pământul, nefiind într-un punct fix deasupra senzorului, astfel încât datele despre locație includ altitudinea deasupra nivelului mării, precum și latitudinea și longitudinea. diff --git a/translations/ro/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/ro/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 7ee1883cd..914c44f3f 100644 --- a/translations/ro/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/ro/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Senzorul Grove GPS poate fi conectat la Raspberry Pi. Conectează senzorul GPS. -![Un senzor Grove GPS](../../../../../translated_images/ro/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Un senzor Grove GPS](../../../../../translated_images/ro/grove-gps-sensor.247943bf69b03f0d.webp) 1. Introdu un capăt al cablului Grove în soclul senzorului GPS. Acesta va intra doar într-un singur mod. 1. Cu Raspberry Pi oprit, conectează celălalt capăt al cablului Grove la soclul UART marcat **UART** de pe Grove Base hat atașat la Pi. Acest soclu se află pe rândul din mijloc, pe partea cea mai apropiată de slotul pentru cardul SD, la capătul opus porturilor USB și soclului ethernet. - ![Senzorul Grove GPS conectat la soclul UART](../../../../../translated_images/ro/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Senzorul Grove GPS conectat la soclul UART](../../../../../translated_images/ro/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Poziționează senzorul GPS astfel încât antena atașată să aibă vizibilitate către cer - ideal lângă o fereastră deschisă sau afară. Este mai ușor să obții un semnal clar fără obstacole în calea antenei. diff --git a/translations/ro/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/ro/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index a9be48588..c0143aa1a 100644 --- a/translations/ro/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/ro/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Adaugă senzorul GPS în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul GPS pe portul `/dev/ttyAMA0`. - ![Setările senzorului GPS](../../../../../translated_images/ro/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Setările senzorului GPS](../../../../../translated_images/ro/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) Senzorul GPS va fi creat și va apărea în lista de senzori. - ![Senzorul GPS creat](../../../../../translated_images/ro/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Senzorul GPS creat](../../../../../translated_images/ro/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Programează senzorul GPS @@ -102,17 +102,17 @@ Programează aplicația senzorului GPS. * Setează **Source** la `Lat/Lon` și setează o latitudine, longitudine și numărul de sateliți folosiți pentru a obține fixarea GPS. Această valoare va fi trimisă o singură dată, așa că bifează caseta **Repeat** pentru ca datele să se repete la fiecare secundă. - ![Senzorul GPS cu lat lon selectat](../../../../../translated_images/ro/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![Senzorul GPS cu lat lon selectat](../../../../../translated_images/ro/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Setează **Source** la `NMEA` și adaugă câteva propoziții NMEA în caseta de text. Toate aceste valori vor fi trimise, cu o întârziere de 1 secundă înainte ca fiecare propoziție GGA (fixare poziție) nouă să poată fi citită. - ![Senzorul GPS cu propoziții NMEA setate](../../../../../translated_images/ro/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![Senzorul GPS cu propoziții NMEA setate](../../../../../translated_images/ro/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Poți folosi un instrument precum [nmeagen.org](https://www.nmeagen.org) pentru a genera aceste propoziții desenând pe o hartă. Aceste valori vor fi trimise o singură dată, așa că bifează caseta **Repeat** pentru ca datele să se repete la o secundă după ce toate au fost trimise. * Setează **Source** la fișier GPX și încarcă un fișier GPX cu locații de traseu. Poți descărca fișiere GPX de pe o serie de site-uri populare de hărți și drumeții, cum ar fi [AllTrails](https://www.alltrails.com/). Aceste fișiere conțin locații GPS multiple ca traseu, iar senzorul GPS va returna fiecare locație nouă la intervale de 1 secundă. - ![Senzorul GPS cu fișier GPX setat](../../../../../translated_images/ro/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![Senzorul GPS cu fișier GPX setat](../../../../../translated_images/ro/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Aceste valori vor fi trimise o singură dată, așa că bifează caseta **Repeat** pentru ca datele să se repete la o secundă după ce toate au fost trimise. diff --git a/translations/ro/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/ro/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index b7f6b6646..353e00592 100644 --- a/translations/ro/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/ro/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Senzorul Grove GPS poate fi conectat la Wio Terminal. Conectează senzorul GPS. -![Un senzor Grove GPS](../../../../../translated_images/ro/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Un senzor Grove GPS](../../../../../translated_images/ro/grove-gps-sensor.247943bf69b03f0d.webp) 1. Introdu un capăt al cablului Grove în soclul senzorului GPS. Acesta va intra doar într-un singur mod. diff --git a/translations/ro/3-transport/lessons/2-store-location-data/README.md b/translations/ro/3-transport/lessons/2-store-location-data/README.md index 4d4bbeed9..45a1e334c 100644 --- a/translations/ro/3-transport/lessons/2-store-location-data/README.md +++ b/translations/ro/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Stocarea datelor de locație -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-12.ca7f53039712a3ec.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -75,7 +75,7 @@ Baze de date NoSQL sunt numite NoSQL deoarece nu au aceeași structură rigidă > 💁 În ciuda numelui lor, unele baze de date NoSQL îți permit să folosești SQL pentru a interoga datele. -![Documente în foldere într-o bază de date NoSQL](../../../../../translated_images/ro/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Documente în foldere într-o bază de date NoSQL](../../../../../translated_images/ro/noqsl-database.62d24ccf5b73f60d.webp) Baze de date NoSQL nu au o schemă predefinită care limitează modul în care sunt stocate datele, în schimb poți insera orice date nestructurate, de obicei folosind documente JSON. Aceste documente pot fi organizate în foldere, similar cu fișierele de pe computerul tău. Fiecare document poate avea câmpuri diferite față de alte documente - de exemplu, dacă stocai date IoT de la vehiculele tale agricole, unele ar putea avea câmpuri pentru datele accelerometrului și vitezei, altele ar putea avea câmpuri pentru temperatura din remorcă. Dacă ai adăuga un nou tip de camion, cum ar fi unul cu cântare integrate pentru a urmări greutatea produselor transportate, atunci dispozitivul tău IoT ar putea adăuga acest nou câmp și ar putea fi stocat fără modificări ale bazei de date. @@ -89,7 +89,7 @@ Unele baze de date NoSQL cunoscute includ Azure CosmosDB, MongoDB și CouchDB. În lecția anterioară, ai capturat date GPS de la un senzor GPS conectat la dispozitivul tău IoT. Pentru a stoca aceste date IoT în cloud, trebuie să le trimiți către un serviciu IoT. Din nou, vei folosi Azure IoT Hub, același serviciu IoT în cloud pe care l-ai utilizat în proiectul anterior. -![Trimiterea telemetriei GPS de la un dispozitiv IoT către IoT Hub](../../../../../translated_images/ro/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Trimiterea telemetriei GPS de la un dispozitiv IoT către IoT Hub](../../../../../translated_images/ro/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Sarcină - trimite date GPS către un IoT Hub @@ -171,7 +171,7 @@ Datele din calea rece sunt stocate în depozite de date - baze de date concepute Odată ce datele ajung în IoT Hub, poți scrie cod serverless pentru a asculta evenimentele publicate pe endpoint-ul compatibil Event-Hub. Aceasta este calea caldă - aceste date vor fi stocate și utilizate în lecția următoare pentru raportarea traseului. -![Trimiterea telemetriei GPS de la un dispozitiv IoT către IoT Hub, apoi către Azure Functions printr-un trigger Event Hub](../../../../../translated_images/ro/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Trimiterea telemetriei GPS de la un dispozitiv IoT către IoT Hub, apoi către Azure Functions printr-un trigger Event Hub](../../../../../translated_images/ro/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Sarcină - gestionează evenimentele GPS folosind cod serverless @@ -193,7 +193,7 @@ Odată ce datele ajung în IoT Hub, poți scrie cod serverless pentru a asculta ## Conturi de stocare Azure -![Logo-ul Azure Storage](../../../../../translated_images/ro/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Logo-ul Azure Storage](../../../../../translated_images/ro/azure-storage-logo.605c0f602c640d48.webp) Conturile de stocare Azure reprezintă un serviciu de stocare generală care poate stoca date în diverse moduri. Poți stoca date sub formă de blob-uri, în cozi, în tabele sau ca fișiere, toate în același timp. diff --git a/translations/ro/3-transport/lessons/3-visualize-location-data/README.md b/translations/ro/3-transport/lessons/3-visualize-location-data/README.md index bd42cde60..7ddb3b684 100644 --- a/translations/ro/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/ro/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Vizualizați datele de locație -![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-13.a259db1485021be7.webp) > Prezentare grafică de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -64,11 +64,11 @@ Luând un exemplu simplu - în proiectul de fermă ați capturat setările de um Pentru un om, înțelegerea acestor date poate fi dificilă. Este un perete de numere fără sens. Ca prim pas pentru vizualizarea acestor date, ele pot fi reprezentate pe un grafic liniar: -![Un grafic liniar al datelor de mai sus](../../../../../translated_images/ro/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Un grafic liniar al datelor de mai sus](../../../../../translated_images/ro/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Acesta poate fi îmbunătățit prin adăugarea unei linii care indică momentul în care sistemul automat de irigare a fost activat la o citire de umiditate a solului de 450: -![Un grafic liniar al umidității solului cu o linie la 450](../../../../../translated_images/ro/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Un grafic liniar al umidității solului cu o linie la 450](../../../../../translated_images/ro/chart-soil-moisture-relay.fbb391236d34a64d.webp) Acest grafic arată foarte rapid nu doar nivelurile de umiditate ale solului, ci și punctele în care sistemul de irigare a fost activat. @@ -84,7 +84,7 @@ Când lucrați cu date GPS, cea mai clară vizualizare poate fi să plotați dat Lucrul cu hărți este un exercițiu interesant, iar opțiunile sunt numeroase, cum ar fi Bing Maps, Leaflet, Open Street Maps și Google Maps. În această lecție, veți învăța despre [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) și cum pot afișa datele voastre GPS. -![Logo-ul Azure Maps](../../../../../translated_images/ro/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Logo-ul Azure Maps](../../../../../translated_images/ro/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps este "o colecție de servicii geospațiale și SDK-uri care utilizează date de cartografiere actualizate pentru a oferi context geografic aplicațiilor web și mobile." Dezvoltatorii sunt furnizați cu instrumente pentru a crea hărți frumoase, interactive, care pot face lucruri precum oferirea de rute de trafic recomandate, informații despre incidente de trafic, navigare interioară, capacități de căutare, informații despre altitudine, servicii meteorologice și multe altele. @@ -185,7 +185,7 @@ Acum puteți face următorul pas, care este să afișați harta pe o pagină web Dacă deschideți pagina `index.html` într-un browser web, ar trebui să vedeți o hartă încărcată, concentrată pe zona Seattle. - ![O hartă care arată Seattle, un oraș din statul Washington, SUA](../../../../../translated_images/ro/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![O hartă care arată Seattle, un oraș din statul Washington, SUA](../../../../../translated_images/ro/map-image.8fb2c53eb23ef39c.webp) ✅ Experimentați cu parametrii de zoom și centru pentru a schimba afișarea hărții. Puteți adăuga coordonate diferite corespunzătoare latitudinii și longitudinii datelor voastre pentru a re-centra harta. @@ -319,7 +319,7 @@ Dacă faci o cerere către spațiul de stocare pentru a prelua datele, s-ar pute 1. Încarcă pagina HTML în browserul tău. Aceasta va încărca harta, apoi va încărca toate datele GPS din spațiul de stocare și le va plota pe hartă. - ![O hartă a Saint Edward State Park lângă Seattle, cu cercuri care arată un traseu în jurul marginii parcului](../../../../../translated_images/ro/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![O hartă a Saint Edward State Park lângă Seattle, cu cercuri care arată un traseu în jurul marginii parcului](../../../../../translated_images/ro/map-path.896832e72dc696ff.webp) > 💁 Poți găsi acest cod în [code](../../../../../3-transport/lessons/3-visualize-location-data/code) folder. diff --git a/translations/ro/3-transport/lessons/4-geofences/README.md b/translations/ro/3-transport/lessons/4-geofences/README.md index 1c84b0252..7175f8a15 100644 --- a/translations/ro/3-transport/lessons/4-geofences/README.md +++ b/translations/ro/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geofencing -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-14.63980c5150ae3c15.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -35,7 +35,7 @@ Acest videoclip oferă o prezentare generală a geofencing-ului și a modului de O geofence este un perimetru virtual pentru o regiune geografică reală. Geofence-urile pot fi cercuri definite ca un punct și o rază (de exemplu, un cerc cu diametrul de 100m în jurul unei clădiri) sau un poligon care acoperă o zonă, cum ar fi o zonă școlară, limitele unui oraș sau campusul unei universități sau al unui birou. -![Exemple de geofence care arată un geofence circular în jurul magazinului Microsoft și un geofence poligonal în jurul campusului Microsoft West](../../../../../translated_images/ro/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Exemple de geofence care arată un geofence circular în jurul magazinului Microsoft și un geofence poligonal în jurul campusului Microsoft West](../../../../../translated_images/ro/geofence-examples.172fbc534665769f.webp) > 💁 Este posibil să fi folosit deja geofence-uri fără să știți. Dacă ați setat o reamintire folosind aplicația de reamintiri iOS sau Google Keep bazată pe o locație, ați folosit o geofence. Aceste aplicații vor configura o geofence pe baza locației date și vă vor alerta când telefonul dvs. intră în geofence. @@ -212,7 +212,7 @@ Este important să cunoașteți distanța până la marginea geofence-ului și s De exemplu, imaginați-vă citiri GPS care arată că un vehicul circula pe un drum care ajunge să treacă pe lângă o geofence. Dacă o singură valoare GPS este inexactă și plasează vehiculul în interiorul geofence-ului, în ciuda faptului că nu există acces rutier, aceasta poate fi ignorată. -![O urmă GPS care arată un vehicul trecând pe lângă campusul Microsoft pe 520, cu citiri GPS de-a lungul drumului, cu excepția uneia pe campus, în interiorul unei geofence](../../../../../translated_images/ro/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![O urmă GPS care arată un vehicul trecând pe lângă campusul Microsoft pe 520, cu citiri GPS de-a lungul drumului, cu excepția uneia pe campus, în interiorul unei geofence](../../../../../translated_images/ro/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) În imaginea de mai sus, există o geofence peste o parte a campusului Microsoft. Linia roșie arată un camion care circulă de-a lungul autostrăzii 520, cu cercuri care indică citirile GPS. Majoritatea acestor citiri sunt corecte și se află de-a lungul autostrăzii 520, cu o citire inexactă în interiorul geofence-ului. Nu există nicio posibilitate ca acea citire să fie corectă - nu există drumuri care să permită camionului să se abată brusc de pe autostrada 520 către campus și apoi să revină pe autostrada 520. Codul care verifică acest geofence va trebui să ia în considerare citirile anterioare înainte de a acționa pe baza rezultatelor testului geofence. ✅ Ce date suplimentare ar fi necesare pentru a verifica dacă o citire GPS poate fi considerată corectă? @@ -284,7 +284,7 @@ După cum îți amintești din lecțiile anterioare, IoT Hub îți permite să r Răspunsul este că nu poate! În schimb, poți defini mai multe conexiuni separate pentru a citi evenimentele, iar fiecare dintre ele poate gestiona redarea mesajelor necitite. Acestea se numesc *grupuri de consumatori*. Când te conectezi la endpoint, poți specifica grupul de consumatori la care vrei să te conectezi. Fiecare componentă a aplicației tale se va conecta la un grup de consumatori diferit. -![Un IoT Hub cu 3 grupuri de consumatori distribuind aceleași mesaje către 3 aplicații Functions diferite](../../../../../translated_images/ro/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Un IoT Hub cu 3 grupuri de consumatori distribuind aceleași mesaje către 3 aplicații Functions diferite](../../../../../translated_images/ro/consumer-groups.a3262e26fc27ba20.webp) În teorie, până la 5 aplicații pot să se conecteze la fiecare grup de consumatori, și toate vor primi mesaje când acestea sosesc. Este o practică recomandată să ai doar o aplicație care accesează fiecare grup de consumatori pentru a evita procesarea duplicată a mesajelor și pentru a te asigura că, la repornire, toate mesajele în coadă sunt procesate corect. De exemplu, dacă lansezi aplicația Functions local, precum și o rulezi în cloud, ambele vor procesa mesaje, ceea ce va duce la stocarea duplicată a bloburilor în contul de stocare. diff --git a/translations/ro/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/ro/4-manufacturing/lessons/1-train-fruit-detector/README.md index 77bb10a56..9afc53d0f 100644 --- a/translations/ro/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/ro/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Antrenează un detector de calitate a fructelor -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-15.843d21afdc6fb2bb.webp) > Prezentare grafică de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -38,7 +38,7 @@ Nu toate culturile se coc uniform. Roșiile, de exemplu, pot avea încă fructe Creșterea recoltării automatizate a mutat sortarea produselor din timpul recoltării în fabrici. Alimentele circulau pe benzi transportoare lungi, cu echipe de oameni care verificau produsele și eliminau orice nu corespundea standardelor de calitate necesare. Recoltarea era mai ieftină datorită mașinilor, dar exista încă un cost pentru sortarea manuală a alimentelor. -![Dacă o roșie roșie este detectată, își continuă drumul neîntrerupt. Dacă o roșie verde este detectată, este aruncată într-un coș de deșeuri de un levier](../../../../../translated_images/ro/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Dacă o roșie roșie este detectată, își continuă drumul neîntrerupt. Dacă o roșie verde este detectată, este aruncată într-un coș de deșeuri de un levier](../../../../../translated_images/ro/optical-tomato-sorting.61aa134bdda4e5b1.webp) Evoluția următoare a fost utilizarea mașinilor pentru sortare, fie integrate în combinele de recoltare, fie în fabricile de procesare. Prima generație a acestor mașini folosea senzori optici pentru a detecta culorile, controlând actuatoare care împingeau roșiile verzi într-un coș de deșeuri folosind pârghii sau jeturi de aer, lăsând roșiile roșii să continue pe o rețea de benzi transportoare. @@ -62,7 +62,7 @@ De exemplu, ai putea oferi unui model milioane de imagini cu banane necoapte ca > 🎓 Rezultatele modelelor ML se numesc *predicții* -![2 banane, una coaptă cu o predicție de 99.7% coaptă, 0.3% necoaptă, și una necoaptă cu o predicție de 1.4% coaptă, 98.6% necoaptă](../../../../../translated_images/ro/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banane, una coaptă cu o predicție de 99.7% coaptă, 0.3% necoaptă, și una necoaptă cu o predicție de 1.4% coaptă, 98.6% necoaptă](../../../../../translated_images/ro/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) Modelele ML nu oferă un răspuns binar, ci oferă probabilități. De exemplu, un model poate primi o imagine cu o banană și poate prezice `coaptă` cu 99.7% și `necoaptă` cu 0.3%. Codul tău ar alege apoi cea mai bună predicție și ar decide că banana este coaptă. @@ -90,7 +90,7 @@ Există o gamă largă de instrumente care te pot ajuta să faci acest lucru, in Custom Vision este un instrument bazat pe cloud pentru antrenarea clasificatorilor de imagini. Acesta îți permite să antrenezi un clasificator folosind doar un număr mic de imagini. Poți încărca imagini printr-un portal web, API web sau un SDK, oferind fiecărei imagini o *etichetă* care reprezintă clasificarea acelei imagini. Apoi antrenezi modelul și îl testezi pentru a vedea cât de bine funcționează. Odată ce ești mulțumit de model, poți publica versiuni ale acestuia care pot fi accesate printr-un API web sau un SDK. -![Logo-ul Azure Custom Vision](../../../../../translated_images/ro/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Logo-ul Azure Custom Vision](../../../../../translated_images/ro/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Poți antrena un model Custom Vision cu doar 5 imagini pe clasificare, dar mai multe imagini sunt mai bune. Poți obține rezultate mai bune cu cel puțin 30 de imagini. @@ -146,7 +146,7 @@ Pentru a utiliza Custom Vision, mai întâi trebuie să creezi două resurse Cog Când creezi proiectul, asigură-te că utilizezi resursa `fruit-quality-detector-training` pe care ai creat-o anterior. Folosește un tip de proiect *Classification*, un tip de clasificare *Multiclass* și domeniul *Food*. - ![Setările proiectului Custom Vision cu numele setat la fruit-quality-detector, fără descriere, resursa setată la fruit-quality-detector-training, tipul proiectului setat la classification, tipul clasificării setat la multi class și domeniul setat la food](../../../../../translated_images/ro/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Setările proiectului Custom Vision cu numele setat la fruit-quality-detector, fără descriere, resursa setată la fruit-quality-detector-training, tipul proiectului setat la classification, tipul clasificării setat la multi class și domeniul setat la food](../../../../../translated_images/ro/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Acordă-ți timp pentru a explora interfața utilizatorului Custom Vision pentru clasificatorul tău de imagini. @@ -164,7 +164,7 @@ Clasificatoarele de imagini funcționează la o rezoluție foarte mică. De exem * Folosind 2 banane coapte, faceți câteva poze cu fiecare din unghiuri diferite, realizând cel puțin 7 poze (5 pentru antrenament, 2 pentru testare), dar ideal mai multe. - ![Fotografii cu 2 banane diferite](../../../../../translated_images/ro/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Fotografii cu 2 banane diferite](../../../../../translated_images/ro/banana-training-images.530eb203346d73bc.webp) * Repetați același proces folosind 2 banane necoapte. @@ -174,7 +174,7 @@ Clasificatoarele de imagini funcționează la o rezoluție foarte mică. De exem 1. Urmați secțiunea [upload and tag images din ghidul rapid pentru construirea unui clasificator din documentația Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) pentru a încărca imaginile de antrenament. Etichetați fructele coapte ca `ripe` și cele necoapte ca `unripe`. - ![Dialogurile de încărcare care arată încărcarea imaginilor cu banane coapte și necoapte](../../../../../translated_images/ro/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dialogurile de încărcare care arată încărcarea imaginilor cu banane coapte și necoapte](../../../../../translated_images/ro/image-upload-bananas.0751639f3815e0ec.webp) 1. Urmați secțiunea [train the classifier din ghidul rapid pentru construirea unui clasificator din documentația Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) pentru a antrena clasificatorul de imagini pe imaginile încărcate. @@ -192,7 +192,7 @@ După ce clasificatorul este antrenat, îl puteți testa oferindu-i o imagine no 1. Urmați secțiunea [test your model din documentația Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) pentru a testa clasificatorul de imagini. Utilizați imaginile de testare create anterior, nu pe cele utilizate pentru antrenament. - ![O banană necoptă prezisă ca necoptă cu o probabilitate de 98.9%, coaptă cu o probabilitate de 1.1%](../../../../../translated_images/ro/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![O banană necoptă prezisă ca necoptă cu o probabilitate de 98.9%, coaptă cu o probabilitate de 1.1%](../../../../../translated_images/ro/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Încercați toate imaginile de testare pe care le aveți și observați probabilitățile. diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/README.md index bcec4fbfe..69eb01774 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Verificarea calității fructelor cu un dispozitiv IoT -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-16.215daf18b00631fb.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -26,7 +26,7 @@ Senzorii de cameră, așa cum sugerează numele, sunt camere care pot fi conectate la un dispozitiv IoT. Acestea pot captura imagini statice sau pot înregistra fluxuri video. Unele camere returnează date brute ale imaginii, în timp ce altele comprimă datele într-un fișier imagine, cum ar fi JPEG sau PNG. De obicei, camerele compatibile cu dispozitivele IoT sunt mult mai mici și au o rezoluție mai scăzută decât cele cu care sunteți obișnuiți, dar există și camere de înaltă rezoluție care rivalizează cu telefoanele de top. Puteți găsi o varietate de lentile interschimbabile, configurații cu mai multe camere, camere termice în infraroșu sau camere UV. -![Lumina dintr-o scenă trece printr-o lentilă și este focalizată pe un senzor CMOS](../../../../../translated_images/ro/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Lumina dintr-o scenă trece printr-o lentilă și este focalizată pe un senzor CMOS](../../../../../translated_images/ro/cmos-sensor.75f9cd74decb1371.webp) Majoritatea senzorilor de cameră utilizează senzori de imagine în care fiecare pixel este o fotodiodă. O lentilă focalizează imaginea pe senzorul de imagine, iar mii sau milioane de fotodiode detectează lumina care cade pe fiecare dintre ele, înregistrând aceasta ca date de pixel. @@ -74,7 +74,7 @@ Iterațiile sunt publicate din portalul Custom Vision. 1. Selectați butonul **Publish** pentru iterație. - ![Butonul de publicare](../../../../../translated_images/ro/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Butonul de publicare](../../../../../translated_images/ro/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. În dialogul *Publish Model*, setați *Prediction resource* la resursa `fruit-quality-detector-prediction` creată în lecția anterioară. Lăsați numele ca `Iteration2` și selectați butonul **Publish**. @@ -88,7 +88,7 @@ Iterațiile sunt publicate din portalul Custom Vision. De asemenea, luați o copie a valorii *Prediction-Key*. Aceasta este o cheie de securitate pe care trebuie să o transmiteți când apelați modelul. Doar aplicațiile care transmit această cheie au permisiunea de a utiliza modelul, orice alte aplicații sunt respinse. - ![Dialogul API de predicție care arată URL-ul și cheia](../../../../../translated_images/ro/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialogul API de predicție care arată URL-ul și cheia](../../../../../translated_images/ro/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Când o nouă iterație este publicată, aceasta va avea un nume diferit. Cum credeți că ați putea schimba iterația utilizată de un dispozitiv IoT? @@ -109,7 +109,7 @@ Este posibil să constatați că rezultatele obținute folosind camera conectat Pentru a obține cele mai bune rezultate pentru un clasificator de imagini, doriți să antrenați modelul cu imagini cât mai asemănătoare cu cele utilizate pentru predicții. De exemplu, dacă ați folosit camera telefonului pentru a captura imagini pentru antrenament, calitatea imaginii, claritatea și culorile vor fi diferite față de o cameră conectată la un dispozitiv IoT. -![2 imagini cu banane, una cu rezoluție scăzută și iluminare slabă de la un dispozitiv IoT, cealaltă cu rezoluție înaltă și iluminare bună de la un telefon](../../../../../translated_images/ro/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 imagini cu banane, una cu rezoluție scăzută și iluminare slabă de la un dispozitiv IoT, cealaltă cu rezoluție înaltă și iluminare bună de la un telefon](../../../../../translated_images/ro/banana-picture-compare.174df164dc326a42.webp) În imaginea de mai sus, fotografia cu banana din stânga a fost realizată folosind o cameră Raspberry Pi, iar cea din dreapta a fost realizată cu același banana în aceeași locație folosind un iPhone. Există o diferență vizibilă în calitate - fotografia realizată cu iPhone-ul este mai clară, cu culori mai vii și mai mult contrast. diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 296791504..2259c70ad 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Camera poate fi conectată la Raspberry Pi folosind un cablu panglică. ### Sarcină - conectarea camerei -![O cameră Raspberry Pi](../../../../../translated_images/ro/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![O cameră Raspberry Pi](../../../../../translated_images/ro/pi-camera-module.4278753c31bd6e75.webp) 1. Oprește alimentarea Pi-ului. @@ -24,17 +24,17 @@ Camera poate fi conectată la Raspberry Pi folosind un cablu panglică. Poți găsi o animație care arată cum să deschizi clema și să introduci cablul în [documentația Raspberry Pi pentru modulul cameră](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Cablul panglică introdus în modulul cameră](../../../../../translated_images/ro/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Cablul panglică introdus în modulul cameră](../../../../../translated_images/ro/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Scoate Grove Base Hat de pe Pi. 1. Trece cablul panglică prin slotul pentru cameră din Grove Base Hat. Asigură-te că partea albastră a cablului este orientată spre porturile analogice etichetate **A0**, **A1** etc. - ![Cablul panglică trecând prin Grove Base Hat](../../../../../translated_images/ro/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Cablul panglică trecând prin Grove Base Hat](../../../../../translated_images/ro/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Introdu cablul panglică în portul pentru cameră de pe Pi. Din nou, trage clema de plastic neagră în sus, introdu cablul, apoi împinge clema înapoi. Partea albastră a cablului ar trebui să fie orientată spre porturile USB și Ethernet. - ![Cablul panglică conectat la soclul camerei de pe Pi](../../../../../translated_images/ro/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Cablul panglică conectat la soclul camerei de pe Pi](../../../../../translated_images/ro/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Reinstalează Grove Base Hat. @@ -101,7 +101,7 @@ Programează dispozitivul. Linia `camera.rotation = 0` setează rotația imaginii. Cablul panglică intră în partea de jos a camerei, dar dacă camera ta a fost rotită pentru a permite o orientare mai ușoară spre obiectul pe care vrei să-l clasifici, atunci poți modifica această linie cu numărul de grade de rotație. - ![Camera suspendată deasupra unei doze de băutură](../../../../../translated_images/ro/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Camera suspendată deasupra unei doze de băutură](../../../../../translated_images/ro/pi-camera-upside-down.5376961ba3145988.webp) De exemplu, dacă suspenzi cablul panglică deasupra unui obiect astfel încât să fie în partea de sus a camerei, setează rotația la 180: diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index d0e71dcc4..68ed17d9a 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Serviciul Custom Vision are un SDK Python pe care îl poți folosi pentru a clas Vei putea vedea imaginea capturată și aceste valori în fila **Predictions** din Custom Vision. - ![O banană în Custom Vision prezisă ca fiind coaptă la 56.8% și necoaptă la 43.1%](../../../../../translated_images/ro/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![O banană în Custom Vision prezisă ca fiind coaptă la 56.8% și necoaptă la 43.1%](../../../../../translated_images/ro/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Poți găsi acest cod în folderul [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) sau [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 2dd496dad..8db809638 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Adaugă camera în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea camera. - ![Setările camerei](../../../../../translated_images/ro/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Setările camerei](../../../../../translated_images/ro/counterfit-create-camera.a5de97f59c0bd3cb.webp) Camera va fi creată și va apărea în lista de senzori. - ![Camera creată](../../../../../translated_images/ro/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Camera creată](../../../../../translated_images/ro/counterfit-camera.001ec52194c8ee5d.webp) ## Programează camera @@ -103,7 +103,7 @@ Programează dispozitivul. 1. Configurează imaginea pe care camera din CounterFit o va captura. Poți seta *Source* la *File*, apoi să încarci un fișier imagine, sau să setezi *Source* la *WebCam*, iar imaginile vor fi capturate de la camera web. Asigură-te că selectezi butonul **Set** după ce alegi o imagine sau camera web. - ![CounterFit cu un fișier setat ca sursă de imagine și o cameră web afișând o persoană care ține o banană într-o previzualizare a camerei web](../../../../../translated_images/ro/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit cu un fișier setat ca sursă de imagine și o cameră web afișând o persoană care ține o banană într-o previzualizare a camerei web](../../../../../translated_images/ro/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. O imagine va fi capturată și salvată ca `image.jpg` în folderul curent. Vei vedea acest fișier în exploratorul VS Code. Selectează fișierul pentru a vizualiza imaginea. Dacă este necesară rotația, actualizează linia `camera.rotation = 0` corespunzător și fă o altă fotografie. diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 78d683f9c..59623b56d 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam nu are un socket Grove, ci se conectează la magistralele SPI și I2C pr Conectează camera. -![Un senzor ArduCam](../../../../../translated_images/ro/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Un senzor ArduCam](../../../../../translated_images/ro/arducam.20e4e4cbb2682965.webp) 1. Pinii de la baza ArduCam trebuie conectați la pinii GPIO de pe Wio Terminal. Pentru a găsi mai ușor pinii corecți, atașează autocolantul pentru pini GPIO care vine cu Wio Terminal în jurul pinilor: @@ -35,7 +35,7 @@ Conectează camera. | SDA | 3 (I2C1_SDA) | Date serial I2C | | SCL | 5 (I2C1_SCL) | Ceas serial I2C | - ![Wio Terminal conectat la ArduCam cu fire jumper](../../../../../translated_images/ro/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal conectat la ArduCam cu fire jumper](../../../../../translated_images/ro/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Conexiunile GND și VCC furnizează o alimentare de 5V pentru ArduCam. Aceasta funcționează la 5V, spre deosebire de senzorii Grove care funcționează la 3V. Această alimentare provine direct de la conexiunea USB-C care alimentează dispozitivul. @@ -456,7 +456,7 @@ Wio Terminal suportă doar carduri microSD de până la 16GB. Dacă ai un card S 1. Oprește alimentarea cardului microSD și scoate-l împingându-l ușor și eliberându-l, iar acesta va ieși. Poate fi necesar să folosești un instrument subțire pentru a face acest lucru. Conectează cardul microSD la computerul tău pentru a vizualiza imaginile. - ![O imagine a unei banane capturată folosind ArduCam](../../../../../translated_images/ro/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![O imagine a unei banane capturată folosind ArduCam](../../../../../translated_images/ro/banana-arducam.be1b32d4267a8194.webp) 💁 Poate fi nevoie de câteva imagini pentru ca balansul de alb al camerei să se ajusteze. Vei observa acest lucru pe baza culorii imaginilor capturate, primele câteva pot părea cu o culoare nepotrivită. Poți rezolva întotdeauna acest lucru modificând codul pentru a captura câteva imagini care sunt ignorate în funcția `setup`. diff --git a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index ba02ce1a1..6921b5fa1 100644 --- a/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/ro/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Aceste certificate conțin chei publice și nu trebuie păstrate în siguranță Vei putea vedea imaginea capturată și aceste valori în fila **Predictions** din Custom Vision. - ![O banană în Custom Vision prezisă ca fiind coaptă cu 56.8% și necoaptă cu 43.1%](../../../../../translated_images/ro/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![O banană în Custom Vision prezisă ca fiind coaptă cu 56.8% și necoaptă cu 43.1%](../../../../../translated_images/ro/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Poți găsi acest cod în folderul [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/ro/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/ro/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 11a1caaaa..013937d23 100644 --- a/translations/ro/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/ro/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Rulează detectorul de fructe la margine -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-17.bc333c3c35ba8e42.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -33,11 +33,11 @@ Acest videoclip oferă o prezentare generală despre rularea clasificatorilor de Calculul la margine presupune utilizarea unor computere care procesează datele IoT cât mai aproape de locul unde sunt generate. În loc ca acest proces să aibă loc în cloud, el este mutat la marginea cloud-ului - în rețeaua ta internă. -![O diagramă arhitecturală care arată serviciile de internet în cloud și dispozitivele IoT într-o rețea locală](../../../../../translated_images/ro/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![O diagramă arhitecturală care arată serviciile de internet în cloud și dispozitivele IoT într-o rețea locală](../../../../../translated_images/ro/cloud-without-edge.b4da641f6022c95e.webp) În lecțiile de până acum, ai avut dispozitive care colectează date și le trimit în cloud pentru a fi analizate, rulând funcții serverless sau modele AI în cloud. -![O diagramă arhitecturală care arată dispozitivele IoT într-o rețea locală conectându-se la dispozitivele de margine, iar acestea se conectează la cloud](../../../../../translated_images/ro/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![O diagramă arhitecturală care arată dispozitivele IoT într-o rețea locală conectându-se la dispozitivele de margine, iar acestea se conectează la cloud](../../../../../translated_images/ro/cloud-with-edge.1e26462c62c126fe.webp) Calculul la margine presupune mutarea unor servicii cloud pe computere care rulează în aceeași rețea cu dispozitivele IoT, comunicând cu cloud-ul doar dacă este necesar. De exemplu, poți rula modele AI pe dispozitivele de margine pentru a analiza gradul de coacere al fructelor și să trimiți în cloud doar analizele, cum ar fi numărul de fructe coapte versus necoapte. @@ -85,7 +85,7 @@ Pentru sistemele IoT, vei dori adesea o combinație între calculul în cloud ș ## Azure IoT Edge -![Logo-ul Azure IoT Edge](../../../../../translated_images/ro/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Logo-ul Azure IoT Edge](../../../../../translated_images/ro/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge este un serviciu care te poate ajuta să muți sarcinile de lucru din cloud la margine. Configurezi un dispozitiv ca dispozitiv de margine și, din cloud, poți implementa cod pe acel dispozitiv de margine. Acest lucru îți permite să combini capabilitățile cloud-ului și ale marginii. @@ -99,7 +99,7 @@ IoT Edge este integrat în IoT Hub, astfel încât poți gestiona dispozitivele IoT Edge rulează cod din *containere* - aplicații autonome care sunt rulate izolat de restul aplicațiilor de pe computerul tău. Când rulezi un container, acesta funcționează ca un computer separat care rulează în interiorul computerului tău, cu propriul său software, servicii și aplicații. De cele mai multe ori, containerele nu pot accesa nimic de pe computerul tău decât dacă alegi să partajezi, de exemplu, un folder cu containerul. Containerul expune apoi servicii printr-un port deschis la care te poți conecta sau pe care îl poți expune rețelei tale. -![O cerere web redirecționată către un container](../../../../../translated_images/ro/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![O cerere web redirecționată către un container](../../../../../translated_images/ro/container-web-browser.4ee81dd4f0d8838c.webp) De exemplu, poți avea un container cu un site web care rulează pe portul 80, portul HTTP implicit, și îl poți expune de pe computerul tău tot pe portul 80. @@ -196,11 +196,11 @@ După ce modelul a fost antrenat, trebuie exportat ca un container. ## Pregătește containerul pentru implementare -![Containerele sunt construite, apoi încărcate într-un registry de containere, și implementate de acolo pe un dispozitiv edge folosind IoT Edge](../../../../../translated_images/ro/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Containerele sunt construite, apoi încărcate într-un registry de containere, și implementate de acolo pe un dispozitiv edge folosind IoT Edge](../../../../../translated_images/ro/container-edge-flow.c246050dd60ceefd.webp) După ce ai descărcat modelul, acesta trebuie construit într-un container, apoi încărcat într-un registry de containere - o locație online unde poți stoca containere. IoT Edge poate apoi descărca containerul din registry și îl poate implementa pe dispozitivul tău. -![Logo-ul Azure Container Registry](../../../../../translated_images/ro/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Logo-ul Azure Container Registry](../../../../../translated_images/ro/azure-container-registry-logo.09494206991d4b29.webp) Registry-ul de containere pe care îl vei folosi pentru această lecție este Azure Container Registry. Acesta nu este un serviciu gratuit, așa că pentru a economisi bani, asigură-te că [îți cureți proiectul](../../../clean-up.md) după ce ai terminat. diff --git a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index 2cb6f7d8e..fa5f20f2f 100644 --- a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Declanșarea detectării calității fructelor de la un senzor -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-18.92c32ed1d354caa5.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -39,7 +39,7 @@ Aplicațiile IoT pot fi descrise ca *dispozitive* care trimit date ce generează ### Arhitectura de referință IoT -![O arhitectură de referință IoT](../../../../../translated_images/ro/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![O arhitectură de referință IoT](../../../../../translated_images/ro/iot-reference-architecture.2278b98b55c6d4e8.webp) Diagrama de mai sus prezintă o arhitectură de referință IoT. @@ -49,7 +49,7 @@ Diagrama de mai sus prezintă o arhitectură de referință IoT. * **Informațiile** provin din aplicații serverless sau din analize efectuate pe datele stocate. * **Acțiunile** pot fi comenzi trimise către dispozitive sau vizualizarea datelor pentru a permite oamenilor să ia decizii. -![O arhitectură de referință IoT pe Azure](../../../../../translated_images/ro/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![O arhitectură de referință IoT pe Azure](../../../../../translated_images/ro/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Diagrama de mai sus prezintă câteva dintre componentele și serviciile acoperite până acum în aceste lecții și modul în care acestea se leagă într-o arhitectură de referință IoT. @@ -89,7 +89,7 @@ Trebuie să construiți un sistem în care fructele sunt detectate pe măsură c ### Prototiparea aplicației -![O arhitectură de referință IoT pentru verificarea calității fructelor](../../../../../translated_images/ro/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![O arhitectură de referință IoT pentru verificarea calității fructelor](../../../../../translated_images/ro/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Diagrama de mai sus prezintă o arhitectură de referință pentru această aplicație prototip. @@ -124,7 +124,7 @@ Parcurgeți ghidul relevant pentru a utiliza un senzor de proximitate pentru a d Prototipul detectorului de fructe are mai multe componente care comunică între ele. -![Componentele care comunică între ele](../../../../../translated_images/ro/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Componentele care comunică între ele](../../../../../translated_images/ro/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Un senzor de proximitate care măsoară distanța până la un fruct și trimite aceste date către IoT Hub * Comanda pentru controlul camerei venind de la IoT Hub către dispozitivul cu camera diff --git a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 9fc6bea60..ff9fbe375 100644 --- a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Senzorul Grove Time of Flight poate fi conectat la Raspberry Pi. Conectează senzorul Time of Flight. -![Un senzor Grove Time of Flight](../../../../../translated_images/ro/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Un senzor Grove Time of Flight](../../../../../translated_images/ro/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Introdu un capăt al unui cablu Grove în soclul senzorului Time of Flight. Acesta va intra doar într-un singur mod. diff --git a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 5ccffba61..50f65f1d7 100644 --- a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Adaugă senzorul de distanță în aplicația CounterFit. 1. Selectează butonul **Add** pentru a crea senzorul de distanță. - ![Setările senzorului de distanță](../../../../../translated_images/ro/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Setările senzorului de distanță](../../../../../translated_images/ro/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Senzorul de distanță va fi creat și va apărea în lista de senzori. - ![Senzorul de distanță creat](../../../../../translated_images/ro/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Senzorul de distanță creat](../../../../../translated_images/ro/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Programează senzorul de distanță diff --git a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 2bfce2b4b..d1d8d9902 100644 --- a/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/ro/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Senzorul Grove Time of Flight poate fi conectat la Wio Terminal. Conectează senzorul Time of Flight. -![Un senzor Grove Time of Flight](../../../../../translated_images/ro/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Un senzor Grove Time of Flight](../../../../../translated_images/ro/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Introdu un capăt al cablului Grove în conectorul de pe senzorul Time of Flight. Acesta va intra doar într-un singur mod. diff --git a/translations/ro/5-retail/lessons/1-train-stock-detector/README.md b/translations/ro/5-retail/lessons/1-train-stock-detector/README.md index e63307938..43c8ce5ef 100644 --- a/translations/ro/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/ro/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Antrenează un detector de stocuri -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-19.cf6973cecadf080c.webp) > Prezentare grafică de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -36,7 +36,7 @@ Detectarea obiectelor implică identificarea obiectelor din imagini folosind AI. Clasificarea imaginilor se referă la clasificarea unei imagini în ansamblu - care sunt probabilitățile ca întreaga imagine să corespundă fiecărei etichete. Primești înapoi probabilități pentru fiecare etichetă utilizată pentru a antrena modelul. -![Clasificarea imaginilor pentru nuci caju și pastă de tomate](../../../../../translated_images/ro/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Clasificarea imaginilor pentru nuci caju și pastă de tomate](../../../../../translated_images/ro/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) În exemplul de mai sus, două imagini sunt clasificate folosind un model antrenat să clasifice cutii de nuci caju sau conserve de pastă de tomate. Prima imagine este o cutie de nuci caju și are două rezultate de la clasificatorul de imagini: @@ -60,7 +60,7 @@ Când îl folosești pentru a prezice imagini, în loc să primești o listă de > 🎓 *Casetele de delimitare* sunt casetele din jurul unui obiect. -![Detectarea obiectelor pentru nuci caju și pastă de tomate](../../../../../translated_images/ro/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Detectarea obiectelor pentru nuci caju și pastă de tomate](../../../../../translated_images/ro/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Imaginea de mai sus conține atât o cutie de nuci caju, cât și trei conserve de pastă de tomate. Detectorul de obiecte a detectat nucile caju, returnând caseta de delimitare care conține nucile caju cu procentul de probabilitate că această casetă conține obiectul, în acest caz 97.6%. Detectorul de obiecte a detectat, de asemenea, trei conserve de pastă de tomate și oferă trei casete de delimitare separate, câte una pentru fiecare conservă detectată, fiecare având o probabilitate procentuală că această casetă conține o conservă de pastă de tomate. @@ -111,7 +111,7 @@ Poți antrena un detector de obiecte folosind Custom Vision, într-un mod simila Când creezi proiectul, asigură-te că folosești resursa `stock-detector-training` pe care ai creat-o anterior. Utilizează tipul de proiect *Object Detection* și domeniul *Products on Shelves*. - ![Setările pentru proiectul Custom Vision cu numele setat la fruit-quality-detector, fără descriere, resursa setată la fruit-quality-detector-training, tipul proiectului setat la classification, tipurile de clasificare setate la multi class și domeniile setate la food](../../../../../translated_images/ro/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Setările pentru proiectul Custom Vision cu numele setat la fruit-quality-detector, fără descriere, resursa setată la fruit-quality-detector-training, tipul proiectului setat la classification, tipurile de clasificare setate la multi class și domeniile setate la food](../../../../../translated_images/ro/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Domeniul *Products on Shelves* este special conceput pentru detectarea stocurilor pe rafturile magazinelor. Citește mai multe despre diferitele domenii în [documentația Select a domain pe Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection). @@ -133,11 +133,11 @@ Pentru a-ți antrena modelul, vei avea nevoie de un set de imagini care conțin 1. Urmează secțiunea [Încărcarea și etichetarea imaginilor din ghidul rapid pentru construirea unui detector de obiecte pe documentația Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) pentru a încărca imaginile de antrenament. Creează etichete relevante în funcție de tipurile de obiecte pe care dorești să le detectezi. - ![Dialogurile de încărcare care arată încărcarea imaginilor cu banane coapte și necoapte](../../../../../translated_images/ro/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Dialogurile de încărcare care arată încărcarea imaginilor cu banane coapte și necoapte](../../../../../translated_images/ro/image-upload-object-detector.77c7892c3093cb59.webp) Când desenezi casetele de delimitare pentru obiecte, păstrează-le bine strânse în jurul obiectului. Poate dura ceva timp să conturezi toate imaginile, dar instrumentul va detecta ceea ce crede că sunt casetele de delimitare, făcând procesul mai rapid. - ![Etichetarea pastei de tomate](../../../../../translated_images/ro/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Etichetarea pastei de tomate](../../../../../translated_images/ro/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Dacă ai mai mult de 15 imagini pentru fiecare obiect, poți antrena după 15 imagini, apoi folosi funcția **Suggested tags**. Aceasta va folosi modelul antrenat pentru a detecta obiectele în imaginile netaguite. Poți apoi confirma obiectele detectate sau respinge și redesena casetele de delimitare. Acest lucru poate economisi *mult* timp. @@ -155,7 +155,7 @@ Odată ce detectorul tău de obiecte este antrenat, îl poți testa oferindu-i i 1. Folosește butonul **Quick Test** pentru a încărca imagini de testare și a verifica dacă obiectele sunt detectate. Folosește imaginile de testare pe care le-ai creat anterior, nu pe cele utilizate pentru antrenament. - ![3 conserve de pastă de tomate detectate cu probabilități de 38%, 35.5% și 34.6%](../../../../../translated_images/ro/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 conserve de pastă de tomate detectate cu probabilități de 38%, 35.5% și 34.6%](../../../../../translated_images/ro/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Încearcă toate imaginile de testare pe care le ai și observă probabilitățile. diff --git a/translations/ro/5-retail/lessons/2-check-stock-device/README.md b/translations/ro/5-retail/lessons/2-check-stock-device/README.md index d24079824..8e8d87c07 100644 --- a/translations/ro/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/ro/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Verificarea stocului de pe un dispozitiv IoT -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-20.0211df9551a8abb3.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -62,7 +62,7 @@ Iterațiile sunt publicate din portalul Custom Vision. 1. Apasă butonul **Publish** pentru iterație. - ![Butonul de publicare](../../../../../translated_images/ro/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Butonul de publicare](../../../../../translated_images/ro/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. În dialogul *Publish Model*, setează *Prediction resource* la resursa `stock-detector-prediction` pe care ai creat-o în lecția anterioară. Lasă numele ca `Iteration2` și apasă butonul **Publish**. @@ -76,7 +76,7 @@ Iterațiile sunt publicate din portalul Custom Vision. De asemenea, ia o copie a valorii *Prediction-Key*. Aceasta este o cheie securizată pe care trebuie să o transmiți când apelezi modelul. Doar aplicațiile care transmit această cheie au permisiunea de a utiliza modelul, orice alte aplicații sunt respinse. - ![Dialogul API de predicție care arată URL-ul și cheia](../../../../../translated_images/ro/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialogul API de predicție care arată URL-ul și cheia](../../../../../translated_images/ro/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Când o nouă iterație este publicată, aceasta va avea un nume diferit. Cum crezi că ai putea schimba iterația pe care o folosește un dispozitiv IoT? @@ -95,7 +95,7 @@ Când utilizezi detectorul de obiecte, nu primești doar obiectele detectate cu Rezultatele unei predicții în fila **Predictions** din Custom Vision au casetele delimitatoare desenate pe imaginea care a fost trimisă pentru predicție. -![4 conserve de pastă de tomate pe un raft cu predicții pentru cele 4 detectări de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 conserve de pastă de tomate pe un raft cu predicții pentru cele 4 detectări de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca341.webp) În imaginea de mai sus, au fost detectate 4 conserve de pastă de tomate. În rezultate, un pătrat roșu este suprapus pentru fiecare obiect detectat în imagine, indicând caseta delimitatoare pentru imagine. @@ -103,7 +103,7 @@ Rezultatele unei predicții în fila **Predictions** din Custom Vision au casete Casetele delimitatoare sunt definite cu 4 valori - top, left, height și width. Aceste valori sunt pe o scară de la 0 la 1, reprezentând pozițiile ca procent din dimensiunea imaginii. Originea (poziția 0,0) este colțul din stânga sus al imaginii, astfel încât valoarea top este distanța de sus, iar partea de jos a casetei delimitatoare este top plus height. -![O casetă delimitatoare în jurul unei conserve de pastă de tomate](../../../../../translated_images/ro/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![O casetă delimitatoare în jurul unei conserve de pastă de tomate](../../../../../translated_images/ro/bounding-box.1420a7ea0d3d15f7.webp) Imaginea de mai sus are 600 de pixeli lățime și 800 de pixeli înălțime. Caseta delimitatoare începe la 320 de pixeli în jos, oferind o coordonată top de 0.4 (800 x 0.4 = 320). De la stânga, caseta delimitatoare începe la 240 de pixeli în lateral, oferind o coordonată left de 0.4 (600 x 0.4 = 240). Înălțimea casetei delimitatoare este de 240 de pixeli, oferind o valoare height de 0.3 (800 x 0.3 = 240). Lățimea casetei delimitatoare este de 120 de pixeli, oferind o valoare width de 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Utilizarea valorilor procentuale de la 0 la 1 înseamnă că, indiferent de dime Poți utiliza casetele delimitatoare combinate cu probabilitățile pentru a evalua cât de precisă este o detectare. De exemplu, un detector de obiecte poate detecta mai multe obiecte care se suprapun, de exemplu detectând o conservă în interiorul alteia. Codul tău ar putea analiza casetele delimitatoare, înțelege că acest lucru este imposibil și ignora orice obiecte care au o suprapunere semnificativă cu alte obiecte. -![Două casete delimitatoare suprapunându-se pe o conservă de pastă de tomate](../../../../../translated_images/ro/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Două casete delimitatoare suprapunându-se pe o conservă de pastă de tomate](../../../../../translated_images/ro/overlap-object-detection.d431e03cae75072a.webp) În exemplul de mai sus, o casetă delimitatoare indică o conservă de pastă de tomate prezisă la 78.3%. O a doua casetă delimitatoare este puțin mai mică și se află în interiorul primei casete delimitatoare, cu o probabilitate de 64.3%. Codul tău poate verifica casetele delimitatoare, vedea că se suprapun complet și ignora probabilitatea mai mică, deoarece nu există nicio posibilitate ca una să fie în interiorul celeilalte. diff --git a/translations/ro/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/ro/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 8f4b4ff06..395490d0f 100644 --- a/translations/ro/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/ro/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Codul pe care l-ai folosit pentru a clasifica imagini este foarte similar cu cel Vei putea vedea imaginea capturată și aceste valori în fila **Predictions** din Custom Vision. - ![4 conserve de pastă de roșii pe un raft cu predicții pentru cele 4 detecții de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 conserve de pastă de roșii pe un raft cu predicții pentru cele 4 detecții de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Poți găsi acest cod în folderul [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) sau [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/ro/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/ro/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 260877c1e..e831a42fb 100644 --- a/translations/ro/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/ro/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Codul utilizat pentru clasificarea imaginilor este foarte asemănător cu cel pe Vei putea vedea imaginea capturată și aceste valori în fila **Predictions** din Custom Vision. - ![4 conserve de pastă de roșii pe un raft cu predicții pentru cele 4 detecții de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 conserve de pastă de roșii pe un raft cu predicții pentru cele 4 detecții de 35.8%, 33.5%, 25.7% și 16.6%](../../../../../translated_images/ro/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Poți găsi acest cod în folderul [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/ro/6-consumer/lessons/1-speech-recognition/README.md b/translations/ro/6-consumer/lessons/1-speech-recognition/README.md index efc8113f0..c03ad3d89 100644 --- a/translations/ro/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/ro/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Recunoașterea vorbirii cu un dispozitiv IoT -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-21.e34de51354d6606f.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -51,7 +51,7 @@ Microfoanele vin într-o varietate de tipuri: Microfoanele dinamice nu au nevoie de alimentare pentru a funcționa, semnalul electric este creat în întregime de microfon. - ![Patti Smith cântând la un microfon Shure SM58 (tip cardioid dinamic)](../../../../../translated_images/ro/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith cântând la un microfon Shure SM58 (tip cardioid dinamic)](../../../../../translated_images/ro/dynamic-mic.8babac890a2d80df.webp) * Ribbon - Microfoanele cu panglică sunt similare cu microfoanele dinamice, cu excepția faptului că au o panglică metalică în loc de diafragmă. Această panglică se mișcă într-un câmp magnetic, generând un curent electric. La fel ca microfoanele dinamice, microfoanele cu panglică nu au nevoie de alimentare pentru a funcționa. @@ -59,11 +59,11 @@ Microfoanele vin într-o varietate de tipuri: * Condensator - Microfoanele cu condensator au o diafragmă metalică subțire și o placă metalică fixă. Electricitatea este aplicată ambelor, iar pe măsură ce diafragma vibrează, sarcina statică dintre plăci se modifică, generând un semnal. Microfoanele cu condensator au nevoie de alimentare pentru a funcționa - numită *Phantom power*. - ![Microfon cu condensator cu diafragmă mică C451B de la AKG Acoustics](../../../../../translated_images/ro/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![Microfon cu condensator cu diafragmă mică C451B de la AKG Acoustics](../../../../../translated_images/ro/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Microfoanele cu sisteme microelectromecanice, sau MEMS, sunt microfoane pe un cip. Acestea au o diafragmă sensibilă la presiune gravată pe un cip de siliciu și funcționează similar cu un microfon cu condensator. Aceste microfoane pot fi foarte mici și integrate în circuite. - ![Un microfon MEMS pe o placă de circuit](../../../../../translated_images/ro/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![Un microfon MEMS pe o placă de circuit](../../../../../translated_images/ro/mems-microphone.80574019e1f5e4d9.webp) În imaginea de mai sus, cipul marcat **LEFT** este un microfon MEMS, cu o diafragmă minusculă mai mică de un milimetru lățime. @@ -159,7 +159,7 @@ Pentru a evita complexitatea antrenării și utilizării unui model de cuvânt d ## Conversia vorbirii în text -![Logo-ul serviciilor de vorbire](../../../../../translated_images/ro/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo-ul serviciilor de vorbire](../../../../../translated_images/ro/azure-speech-logo.a1f08c4befb0159f.webp) La fel ca în cazul clasificării imaginilor dintr-un proiect anterior, există servicii AI predefinite care pot lua vorbirea ca fișier audio și o pot converti în text. Un astfel de serviciu este Speech Service, parte din Cognitive Services, servicii AI predefinite pe care le poți folosi în aplicațiile tale. diff --git a/translations/ro/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/ro/6-consumer/lessons/1-speech-recognition/pi-audio.md index 405a551ab..477691278 100644 --- a/translations/ro/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/ro/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Butonul poate fi conectat la baza Grove hat. #### Sarcină - conectează butonul -![Un buton Grove](../../../../../translated_images/ro/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Un buton Grove](../../../../../translated_images/ro/grove-button.a70cfbb809a85636.webp) 1. Introdu un capăt al unui cablu Grove în mufa de pe modulul butonului. Acesta va intra doar într-un singur sens. 1. Cu Raspberry Pi-ul oprit, conectează celălalt capăt al cablului Grove la mufa digitală marcată **D5** de pe baza Grove hat atașată la Pi. Această mufă este a doua de la stânga, pe rândul de mufe de lângă pini GPIO. -![Butonul Grove conectat la mufa D5](../../../../../translated_images/ro/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Butonul Grove conectat la mufa D5](../../../../../translated_images/ro/pi-button.c7a1a4f55943341c.webp) ## Capturarea audio diff --git a/translations/ro/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/ro/6-consumer/lessons/1-speech-recognition/pi-microphone.md index fc48d0f13..858fc2a82 100644 --- a/translations/ro/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/ro/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Microfonul și difuzoarele trebuie conectate și configurate. 1. Dacă folosești ReSpeaker 2-Mics Pi HAT, poți scoate Grove base hat, apoi montează ReSpeaker hat în locul său. - ![Un Raspberry Pi cu un ReSpeaker hat](../../../../../translated_images/ro/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Un Raspberry Pi cu un ReSpeaker hat](../../../../../translated_images/ro/pi-respeaker-hat.f00fabe7dd039a93.webp) Vei avea nevoie de un buton Grove mai târziu în această lecție, dar unul este integrat în acest hat, așa că Grove base hat nu este necesar. diff --git a/translations/ro/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/ro/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index f238dfa98..79933801c 100644 --- a/translations/ro/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/ro/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Microfonul încorporat captează un semnal analogic, care este convertit într-u ✅ Citește mai multe despre DMA pe [pagina despre accesul direct la memorie de pe Wikipedia](https://wikipedia.org/wiki/Direct_memory_access). -![Audio-ul de la microfon merge la un ADC, apoi la DMAC. Acesta scrie într-un buffer. Când acest buffer este plin, este procesat, iar DMAC scrie într-un al doilea buffer](../../../../../translated_images/ro/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Audio-ul de la microfon merge la un ADC, apoi la DMAC. Acesta scrie într-un buffer. Când acest buffer este plin, este procesat, iar DMAC scrie într-un al doilea buffer](../../../../../translated_images/ro/dmac-adc-buffers.4509aee49145c90b.webp) DMAC poate captura audio de la ADC la intervale fixe, cum ar fi de 16.000 de ori pe secundă pentru audio la 16KHz. Poate scrie aceste date capturate într-un buffer de memorie pre-alocat, iar când acesta este plin, îl face disponibil pentru procesarea codului tău. Utilizarea acestei memorii poate întârzia capturarea audio, dar poți configura mai multe buffere. DMAC scrie în bufferul 1, iar când acesta este plin, notifică codul tău să proceseze bufferul 1, în timp ce DMAC scrie în bufferul 2. Când bufferul 2 este plin, notifică codul tău și revine la scrierea în bufferul 1. Astfel, atâta timp cât procesezi fiecare buffer într-un timp mai scurt decât cel necesar pentru a umple unul, nu vei pierde date. diff --git a/translations/ro/6-consumer/lessons/2-language-understanding/README.md b/translations/ro/6-consumer/lessons/2-language-understanding/README.md index 6f39dfea4..d572f3fae 100644 --- a/translations/ro/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/ro/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Înțelegerea limbajului -![O prezentare generală a lecției sub formă de schiță](../../../../../translated_images/ro/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![O prezentare generală a lecției sub formă de schiță](../../../../../translated_images/ro/lesson-22.6148ea28500d9e00.webp) > Schiță realizată de [Nitya Narasimhan](https://github.com/nitya). Faceți clic pe imagine pentru o versiune mai mare. @@ -46,7 +46,7 @@ Modelele de înțelegere a limbajului sunt modele AI care sunt antrenate să ext ## Crearea unui model de înțelegere a limbajului -![Logo-ul LUIS](../../../../../translated_images/ro/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Logo-ul LUIS](../../../../../translated_images/ro/luis-logo.5cb4f3e88c020ee6.webp) Puteți crea modele de înțelegere a limbajului folosind LUIS, un serviciu de înțelegere a limbajului de la Microsoft, care face parte din Cognitive Services. @@ -169,7 +169,7 @@ Puteți găsi instrucțiuni pentru utilizarea portalului LUIS în documentația 1. Pe măsură ce introduceți fiecare exemplu, LUIS va începe să detecteze entități și va sublinia și eticheta orice găsește. - ![Exemplele cu numerele și unitățile de timp subliniate de LUIS](../../../../../translated_images/ro/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Exemplele cu numerele și unitățile de timp subliniate de LUIS](../../../../../translated_images/ro/luis-intent-examples.25716580b2d2723c.webp) ### Sarcină - antrenați și testați modelul diff --git a/translations/ro/6-consumer/lessons/3-spoken-feedback/README.md b/translations/ro/6-consumer/lessons/3-spoken-feedback/README.md index a80cb10f9..4166db34b 100644 --- a/translations/ro/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/ro/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Setează un cronometru și oferă feedback vocal -![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![O prezentare grafică a lecției](../../../../../translated_images/ro/lesson-23.f38483e1d4df4828.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. diff --git a/translations/ro/6-consumer/lessons/4-multiple-language-support/README.md b/translations/ro/6-consumer/lessons/4-multiple-language-support/README.md index 769867b85..c1ffd75aa 100644 --- a/translations/ro/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/ro/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Suport pentru mai multe limbi -![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![O prezentare grafică a acestei lecții](../../../../../translated_images/ro/lesson-24.4246968ed058510a.webp) > Prezentare grafică realizată de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. @@ -74,7 +74,7 @@ Există o serie de servicii AI care pot fi utilizate din aplicațiile tale pentr ### Serviciul de vorbire Cognitive Services -![Logo-ul serviciului de vorbire](../../../../../translated_images/ro/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo-ul serviciului de vorbire](../../../../../translated_images/ro/azure-speech-logo.a1f08c4befb0159f.webp) Serviciul de vorbire pe care l-ai utilizat în lecțiile anterioare are capabilități de traducere pentru recunoașterea vorbirii. Când recunoști vorbirea, poți solicita nu doar textul vorbirii în aceeași limbă, ci și în alte limbi. @@ -82,7 +82,7 @@ Serviciul de vorbire pe care l-ai utilizat în lecțiile anterioare are capabili ### Serviciul Translator Cognitive Services -![Logo-ul serviciului Translator](../../../../../translated_images/ro/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Logo-ul serviciului Translator](../../../../../translated_images/ro/azure-translator-logo.c6ed3a4a433edfd2.webp) Serviciul Translator este un serviciu dedicat traducerii care poate traduce textul dintr-o limbă în una sau mai multe limbi țintă. Pe lângă traducere, acesta suportă o gamă largă de funcții suplimentare, inclusiv mascarea limbajului obscen. De asemenea, îți permite să oferi o traducere specifică pentru un anumit cuvânt sau propoziție, pentru a lucra cu termeni pe care nu dorești să-i traduci sau să ai o traducere bine-cunoscută. diff --git a/translations/ro/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/ro/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index e8120cc88..8865938e7 100644 --- a/translations/ro/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/ro/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ API-ul REST al serviciului de vorbire nu suportă traduceri directe, însă poț > > De exemplu, dacă antrenezi LUIS în engleză, dar vrei să folosești franceza ca limbă a utilizatorului, poți traduce propoziții precum „set a 2 minute and 27 second timer” din engleză în franceză folosind Bing Translate, apoi folosește butonul **Listen translation** pentru a rosti traducerea în microfon. > - > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a9.webp) 1. Adaugă cheia API a serviciului Translator sub `speech_api_key`: diff --git a/translations/ro/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/ro/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index f7b3f4411..49263d629 100644 --- a/translations/ro/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/ro/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Serviciul de vorbire poate prelua vorbirea și nu doar să o convertească în t > > De exemplu, dacă antrenezi LUIS în engleză, dar vrei să folosești franceza ca limbă a utilizatorului, poți traduce propoziții precum „set a 2 minute and 27 second timer” din engleză în franceză folosind Bing Translate, apoi folosește butonul **Listen translation** pentru a rosti traducerea în microfonul tău. > - > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a9.webp) 1. Înlocuiește declarațiile `recognizer_config` și `recognizer` cu următoarele: diff --git a/translations/ro/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/ro/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index deb45bc85..bd83648aa 100644 --- a/translations/ro/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/ro/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ API-ul REST al serviciului de discurs nu suportă traduceri directe, însă poț > > De exemplu, dacă antrenezi LUIS în engleză, dar vrei să folosești franceza ca limbă a utilizatorului, poți traduce propoziții precum "set a 2 minute and 27 second timer" din engleză în franceză folosind Bing Translate, apoi folosește butonul **Listen translation** pentru a reda traducerea în microfonul tău. > - > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Butonul de ascultare a traducerii pe Bing Translate](../../../../../translated_images/ro/bing-translate.348aa796d6efe2a9.webp) 1. Adaugă cheia API și locația serviciului de traducere sub `SPEECH_LOCATION`: diff --git a/translations/ro/README.md b/translations/ro/README.md index 7efcc3f89..bb7a09cf1 100644 --- a/translations/ro/README.md +++ b/translations/ro/README.md @@ -10,142 +10,152 @@ ### Alăturați-vă Comunității Azure AI Foundry -Dacă întâmpinați dificultăți sau aveți întrebări despre construirea aplicațiilor AI. Alăturați-vă altor cursanți și dezvoltatori experimentați în discuții despre MCP. Este o comunitate de susținere unde întrebările sunt binevenite și cunoștințele sunt împărtășite liber. +Dacă întâmpinați dificultăți sau aveți întrebări despre crearea de aplicații AI. Alăturați-vă colegilor învățăcei și dezvoltatorilor cu experiență în discuții despre MCP. Este o comunitate de sprijin unde întrebările sunt binevenite și cunoștințele se împărtășesc liber. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Dacă aveți feedback legat de produs sau erori în timpul construirii, vizitați: +Dacă aveți feedback despre produs sau erori în timpul dezvoltării, vizitați: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) Urmați acești pași pentru a începe să utilizați aceste resurse: -1. **Faceți fork la depozit**: Click [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) -2. **Clonați depozitul**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +1. **Faceți fork Repository-ului**: Click pe [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) +2. **Clonați Repository-ul**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` 3. [**Alăturați-vă Discord-ului Microsoft Foundry și întâlniți experți și alți dezvoltatori**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Suport Multilingv -#### Susținut prin GitHub Action (Automatizat și Întotdeauna Actualizat) +#### Suportat prin GitHub Action (Automatizat și Întotdeauna Actualizat) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](./README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](./README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Preferi să clonezi local?** - -> Acest depozit include peste 50 de traduceri în limbi diferite ceea ce crește semnificativ dimensiunea de descărcare. Pentru a clona fără traduceri, folosiți sparse checkout: +> +> Acest repository include peste 50 de traduceri în limbi diferite, ceea ce crește semnificativ dimensiunea descărcării. Pentru a clona fără traduceri, folosește sparse checkout: +> +> **Bash / macOS / Linux:** > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git > cd IoT-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Acest lucru vă oferă tot ce aveți nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă. +> +> **CMD (Windows):** +> ```cmd +> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git +> cd IoT-For-Beginners +> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" +> ``` +> +> Aceasta îți oferă tot ce ai nevoie pentru a finaliza cursul cu o descărcare mult mai rapidă. # IoT pentru Începători - Un Curriculum -Avocații Azure Cloud de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 24 de lecții, despre bazele IoT. Fiecare lecție include chestionare înainte și după lecție, instrucțiuni scrise pentru a finaliza lecția, o soluție, un exercițiu și multe altele. Metoda noastră pedagogică bazată pe proiect vă permite să învățați construind, o metodă dovedită prin care abilitățile noi „se fixează”. +Promotorii Azure Cloud de la Microsoft sunt încântați să ofere un curriculum de 12 săptămâni, 24 de lecții, despre bazele IoT. Fiecare lecție include teste înainte și după lecție, instrucțiuni scrise pentru completarea lecției, o soluție, un exercițiu și altele. Pedagogia noastră bazată pe proiecte vă permite să învățați în timp ce construiți, o metodă dovedită ca abilitațile noi să „se fixeze”. -Proiectele acoperă traseul alimentelor de la fermă la masa consumatorului. Acest lucru include agricultura, logistica, fabricarea, comerțul cu amănuntul și consumatorul - toate zone industriale populare pentru dispozitive IoT. +Proiectele acoperă călătoria alimentelor de la fermă la masă. Aceasta include agricultură, logistică, fabricare, retail și consumator - toate domenii populare pentru dispozitivele IoT. -![O hartă a cursului care arată 24 de lecții acoperind introducerea, agricultura, transportul, procesarea, comerțul cu amănuntul și gătitul](../../translated_images/ro/Roadmap.bb1dec285dda0eda.webp) +![O hartă a cursului care arată 24 de lecții ce acoperă introducere, agricultură, transport, procesare, retail și gătit](../../translated_images/ro/Roadmap.bb1dec285dda0eda.webp) -> Sketchnote de [Nitya Narasimhan](https://github.com/nitya). Faceți click pe imagine pentru o versiune mai mare. +> Sketchnote realizat de [Nitya Narasimhan](https://github.com/nitya). Click pe imagine pentru o versiune mai mare. -**Mulțumiri călduroase autorilor noștri [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), și artistului nostru pentru sketchnote [Nitya Narasimhan](https://github.com/nitya).** +**Mulțumiri sincere autorilor noștri [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) și artistului nostru sketchnote [Nitya Narasimhan](https://github.com/nitya).** -**Mulțumiri și echipei noastre de [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) care au revizuit și tradus acest curriculum - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform), și [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Mulțumiri de asemenea echipei noastre de [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) care au revizuit și tradus acest curriculum - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform), și [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** -Faceți cunoștință cu echipa! +Cunoașteți echipa! [![Promo video](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -**Gif de** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif creat de** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Faceți clic pe imaginea de mai sus pentru un videoclip despre proiect! +> 🎥 Click pe imaginea de mai sus pentru un video despre proiect! -> **Profesori**, am inclus [unele sugestii](for-teachers.md) despre cum să folosiți acest curriculum. Dacă doriți să creați propriile lecții, am inclus și un [șablon de lecție](lesson-template/README.md). +> **Profesori**, am inclus [câteva sugestii](for-teachers.md) despre cum să folosiți acest curriculum. Dacă doriți să creați propriile lecții, am inclus și un [șablon pentru lecții](lesson-template/README.md). -> **[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum pe cont propriu, faceți fork la întregul repo și finalizați exercițiile pe cont propriu, începând cu un chestionar înainte de curs, apoi citiți materialul și finalizați restul activităților. Încercați să creați proiectele înțelegând lecțiile, nu copierea soluției; totuși codul este disponibil în folderele /solutions din fiecare lecție orientată pe proiect. O altă idee este să formați un grup de studiu cu prietenii și să parcurgeți conținutul împreună. Pentru studiu suplimentar, recomandăm [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **[Studenți](https://aka.ms/student-page)**, pentru a folosi acest curriculum pe cont propriu, faceți fork la întregul repo și finalizați exercițiile pe cont propriu, începând cu un test pre-lectură, apoi citiți lecția și completați restul activităților. Încercați să creați proiectele înțelegând lecțiile, nu doar copind codul soluțiilor; totuși acel cod este disponibil în folderele /solutions din fiecare lecție orientată pe proiect. O altă idee ar fi să formați un grup de studiu cu prietenii și să parcurgeți împreună conținutul. Pentru studii suplimentare, recomandăm [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -Pentru o prezentare video a acestui curs, urmăriți acest videoclip: +Pentru o prezentare video a acestui curs, vizionați acest video: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") -> 🎥 Faceți clic pe imaginea de mai sus pentru un videoclip despre proiect! +> 🎥 Click pe imaginea de mai sus pentru un video despre proiect! ## Pedagogie -Am ales două principii pedagogice în construirea acestui curriculum: asigurarea că este bazat pe proiecte și includerea de chestionare frecvente. La finalul seriei, studenții vor fi construit un sistem de monitorizare și udare pentru plante, un tracker de vehicule, o platformă inteligentă de fabrică pentru a urmări și verifica alimentele, un cronometru de gătit controlat vocal și vor fi învățat bazele Internetului Lucrurilor, inclusiv cum să scrie cod pentru dispozitive, să se conecteze la cloud, să analizeze telemetrie și să ruleze AI la margine. +Am ales două principii pedagogice pentru crearea acestui curriculum: să fie bazat pe proiecte și să includă teste frecvente. La sfârșitul acestei serii, studenții vor fi construit un sistem de monitorizare și udare a plantelor, un următor de vehicule, o instalație inteligentă pentru fabrică pentru a urmări și verifica alimentele și un cronometru pentru gătit controlat vocal, și vor fi învățat bazele Internet of Things, inclusiv cum să scrie cod pentru dispozitive, să se conecteze la cloud, să analizeze telemetria și să ruleze AI la margine. -Prin asigurarea alinierii conținutului cu proiectele, procesul devine mai atractiv pentru studenți și retenția conceptelor este crescută. +Asigurând alinierea conținutului cu proiectele, procesul devine mai captivant pentru studenți și retenția conceptelor crește. -În plus, un chestionar cu miză redusă înainte de curs stabilește intenția studentului de a învăța un subiect, iar un al doilea chestionar după curs asigură reținerea suplimentară. Acest curriculum a fost proiectat să fie flexibil și distractiv și poate fi urmat în întregime sau parțial. Proiectele încep mic și devin din ce în ce mai complexe până la finalul ciclului de 12 săptămâni. +În plus, un test cu mize mici înainte de clasă setează intenția studentului pentru învățarea unui subiect, în timp ce un al doilea test după curs asigură o reținere suplimentară. Acest curriculum a fost proiectat să fie flexibil și distractiv și poate fi parcurs în întregime sau parțial. Proiectele încep mici și devin din ce în ce mai complexe până la sfârșitul ciclului de 12 săptămâni. -Fiecare proiect se bazează pe hardware real disponibil pentru studenți și pasionați. Fiecare proiect abordează domeniul specific al proiectului, oferind cunoștințe de fundal relevante. Pentru a fi un dezvoltator de succes, este util să înțelegi domeniul în care rezolvi probleme, iar oferind aceste cunoștințe de fundal permite studenților să gândească despre soluțiile și învățarea lor IoT în contextul felului de problemă reală pe care ar putea fi solicitați să o rezolve ca dezvoltatori IoT. Studenții învață „de ce”-ul soluțiilor pe care le construiesc și capătă o apreciere față de utilizatorul final. +Fiecare proiect se bazează pe hardware real disponibil studenților și pasionaților. Fiecare proiect analizează domeniul specific al proiectului, oferind cunoștințe de bază relevante. Pentru a fi un dezvoltator de succes este util să înțelegi domeniul în care rezolvi probleme, oferind aceste cunoștințe de fond, studenții pot gândi soluțiile lor IoT și învățăturile în contextul tipului de problemă reală pe care ar putea fi solicitați să o rezolve ca dezvoltator IoT. Studenții învață „de ce” al soluțiilor pe care le construiesc și capătă o apreciere a utilizatorului final. ## Hardware +Avem două opțiuni de hardware IoT pentru a folosi în proiecte, în funcție de preferința personală, cunoștințele sau preferințele legate de limbajele de programare, obiectivele de învățare și disponibilitate. Am oferit, de asemenea, o versiune de „hardware virtual” pentru cei care nu au acces la hardware sau doresc să învețe mai multe înainte de a se angaja la o achiziție. Puteți citi mai multe și găsi o „listă de cumpărături” pe [pagina hardware](./hardware.md), inclusiv linkuri pentru a cumpăra kituri complete de la prietenii noștri de la Seeed Studio. -Avem două opțiuni de hardware IoT pentru proiecte, în funcție de preferințele personale, cunoștințele sau preferințele limbajului de programare, obiectivele de învățare și disponibilitate. De asemenea, am oferit o versiune de hardware „virtual” pentru cei care nu au acces la hardware sau doresc să învețe mai mult înainte de a face o achiziție. Puteți citi mai multe și găsi o „listă de cumpărături” pe [pagina hardware](./hardware.md), inclusiv linkuri pentru a cumpăra kituri complete de la prietenii noștri de la Seeed Studio. -> 💁 Găsiți ghidurile noastre [Codul de conduită](CODE_OF_CONDUCT.md), [Contribuții](CONTRIBUTING.md) și [Traduceri](TRANSLATIONS.md). Apreciem feedback-ul vostru constructiv! +> 💁 Găsiți [Codul nostru de conduită](CODE_OF_CONDUCT.md), [Contribuții](CONTRIBUTING.md) și ghidurile de [Traducere](TRANSLATIONS.md). Apreciem feedback-ul vostru constructiv! > -> 🔧 Aveți probleme? Consultați [Ghidul pentru depanare](TROUBLESHOOTING.md) pentru soluții la probleme comune. +> 🔧 Aveți probleme? Consultați [Ghidul nostru de depanare](TROUBLESHOOTING.md) pentru soluții la probleme comune. ## Fiecare lecție include: -- schiță vizuală -- video suplimentar opțional -- chestionar de încălzire înaintea lecției -- lecția scrisă -- pentru lecțiile bazate pe proiecte, ghiduri pas cu pas pentru construirea proiectului +- schiță-notiță +- videoclip suplimentar opțional +- test de încălzire înainte de lecție +- lecție scrisă +- pentru lecțiile bazate pe proiecte, ghiduri pas cu pas despre cum să construiești proiectul - verificări de cunoștințe - o provocare - lecturi suplimentare - temă -- [chestionar post-lecție](https://ff-quizzes.netlify.app/en/) +- [test după lecție](https://ff-quizzes.netlify.app/en/) -> **O notă despre chestionare**: Toate chestionarele sunt conținute în folderul quiz-app, în total 48 de chestionare a câte trei întrebări fiecare. Sunt legate din cadrul lecțiilor, dar aplicația de chestionare poate fi rulată local sau implementată pe Azure; urmați instrucțiunile din folderul `quiz-app`. Ele sunt localizate treptat. +> **O notă despre teste**: Toate testele se află în folderul quiz-app, fiind în total 48 de teste cu câte trei întrebări fiecare. Ele sunt legate din interiorul lecțiilor, însă aplicația de teste poate fi rulată local sau implementată în Azure; urmați instrucțiunile din folderul `quiz-app`. Sunt localizate treptat. ## Lecții -| | Numele Proiectului | Concepte Predate | Obiective de învățare | Lecția Legată | -| :---: | :--------------------------------------------: | :--------------------------------------------------------------: | --------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Începutul](./1-getting-started/README.md) | Introducere în IoT | Aflați principiile de bază ale IoT și elementele fundamentale ale soluțiilor IoT cum ar fi senzorii și serviciile cloud în timp ce vă configurați primul dispozitiv IoT | [Introducere în IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Începutul](./1-getting-started/README.md) | O privire mai profundă în IoT | Aflați mai multe despre componentele unui sistem IoT, precum și despre microcontrolere și computere cu placă unică | [O privire mai profundă în IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Începutul](./1-getting-started/README.md) | Interacțiune cu lumea fizică prin senzori și actuatori | Aflați despre senzori pentru colectarea datelor din lumea fizică și despre actuatori pentru a trimite feedback, în timp ce construiți o lampă de noapte | [Interacțiune cu lumea fizică prin senzori și actuatori](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Începutul](./1-getting-started/README.md) | Conectați dispozitivul la Internet | Aflați cum să conectați un dispozitiv IoT la Internet pentru a trimite și primi mesaje conectând lampa de noapte la un broker MQTT | [Conectați dispozitivul la Internet](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Fermă](./2-farm/README.md) | Preziceți creșterea plantelor | Aflați cum să preziceți creșterea plantelor folosind date despre temperatură capturate de un dispozitiv IoT | [Preziceți creșterea plantelor](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Fermă](./2-farm/README.md) | Detectați umiditatea solului | Aflați cum să detectați umiditatea solului și să calibrați un senzor de umiditate a solului | [Detectați umiditatea solului](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Fermă](./2-farm/README.md) | Udarea automată a plantelor | Aflați cum să automatizați și să programați udarea folosind un releu și MQTT | [Udarea automată a plantelor](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Fermă](./2-farm/README.md) | Migrați planta dvs. în cloud | Aflați despre cloud și serviciile IoT găzduite în cloud și cum să vă conectați planta la unul dintre acestea în loc de un broker MQTT public | [Migrați planta în cloud](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Fermă](./2-farm/README.md) | Migrați logica aplicației dvs. în cloud | Aflați cum puteți scrie logica aplicației în cloud care răspunde la mesajele IoT | [Migrați logica aplicației în cloud](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Fermă](./2-farm/README.md) | Păstrați planta dvs. securizată | Aflați despre securitatea IoT și cum să vă păstrați planta sigură cu chei și certificate | [Păstrați planta securizată](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Transport](./3-transport/README.md) | Urmărirea locației | Aflați despre urmărirea locației GPS pentru dispozitive IoT | [Urmărirea locației](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Transport](./3-transport/README.md) | Stocați datele de locație | Aflați cum să stocați datele IoT pentru a fi vizualizate sau analizate ulterior | [Stocați datele de locație](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Transport](./3-transport/README.md) | Vizualizați datele de locație | Aflați despre vizualizarea datelor de locație pe o hartă și cum hărțile reprezintă lumea reală 3D în 2 dimensiuni | [Vizualizați datele de locație](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Transport](./3-transport/README.md) | Geografice | Aflați despre geofence-uri și cum pot fi folosite pentru a alerta când vehiculele din lanțul de aprovizionare sunt aproape de destinația lor | [Geofence-uri](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Manufactură](./4-manufacturing/README.md) | Antrenați un detector de calitate a fructelor | Aflați despre antrenarea unui clasificator de imagini în cloud pentru detectarea calității fructelor | [Antrenați un detector de calitate a fructelor](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Manufactură](./4-manufacturing/README.md) | Verificați calitatea fructelor de la un dispozitiv IoT | Aflați despre utilizarea detectorului de calitate a fructelor de la un dispozitiv IoT | [Verificați calitatea fructelor de la un dispozitiv IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)| -| 17 | [Manufactură](./4-manufacturing/README.md) | Rulați detectorul de fructe la margine | Aflați despre rularea detectorului de fructe pe un dispozitiv IoT la marginea rețelei | [Rulați detectorul de fructe la margine](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Manufactură](./4-manufacturing/README.md) | Declanșați detectarea calității fructelor de la un senzor | Aflați despre declanșarea detectării calității fructelor de la un senzor | [Declanșați detectarea calității fructelor de la un senzor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md)| -| 19 | [Retail](./5-retail/README.md) | Antrenați un detector de stoc | Aflați cum să folosiți detectarea obiectelor pentru a antrena un detector de stoc care să numere stocul dintr-un magazin | [Antrenați un detector de stoc](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Retail](./5-retail/README.md) | Verificați stocul de la un dispozitiv IoT | Aflați cum să verificați stocul de la un dispozitiv IoT folosind un model de detectare a obiectelor | [Verificați stocul de la un dispozitiv IoT](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Consumator](./6-consumer/README.md) | Recunoașteți vorbirea cu un dispozitiv IoT | Aflați cum să recunoașteți vorbirea de la un dispozitiv IoT pentru a construi un cronometru inteligent | [Recunoașteți vorbirea cu un dispozitiv IoT](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Consumator](./6-consumer/README.md) | Înțelegeți limbajul | Aflați cum să înțelegeți propozițiile rostite către un dispozitiv IoT | [Înțelegeți limbajul](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Consumator](./6-consumer/README.md) | Setați un cronometru și oferiți feedback vocal | Aflați cum să setați un cronometru pe un dispozitiv IoT și să oferiți feedback vocal despre când este setat și când se termină | [Setați un cronometru și oferiți feedback vocal](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Consumator](./6-consumer/README.md) | Suportați mai multe limbi | Aflați cum să suportați mai multe limbi, atât cele utilizate pentru comunicare, cât și răspunsurile în cronometru | [Suportați mai multe limbi](./6-consumer/lessons/4-multiple-language-support/README.md) | +| | Numele Proiectului | Concepte Predate | Obiectivele de Învățare | Lecția Legată | +| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Începutul](./1-getting-started/README.md) | Introducere în IoT | Învață principiile de bază ale IoT și principalele blocuri de construcție ale soluțiilor IoT precum senzori și servicii cloud în timp ce configurezi primul tău dispozitiv IoT | [Introducere în IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Începutul](./1-getting-started/README.md) | O explorare mai profundă a IoT | Află mai multe despre componentele unui sistem IoT, precum și despre microcontrolere și computere cu o singură placă | [O explorare mai profundă a IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Începutul](./1-getting-started/README.md) | Interacționează cu lumea fizică prin senzori și actuatori | Învață despre senzori pentru colectarea datelor din lumea fizică și despre actuatori pentru a trimite feedback, în timp ce construiești o lampă de noapte | [Interacționează cu lumea fizică prin senzori și actuatori](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Începutul](./1-getting-started/README.md) | Conectează-ți dispozitivul la Internet | Învață cum să conectezi un dispozitiv IoT la Internet pentru a trimite și primi mesaje conectând lampa ta de noapte la un broker MQTT | [Conectează-ți dispozitivul la Internet](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Fermă](./2-farm/README.md) | Prezice creșterea plantelor | Învață să prezici creșterea plantelor folosind date de temperatură capturate de un dispozitiv IoT | [Prezice creșterea plantelor](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Fermă](./2-farm/README.md) | Detectează umiditatea solului | Învață să detectezi umiditatea solului și să calibrezi un senzor de umiditate pentru sol | [Detectează umiditatea solului](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Fermă](./2-farm/README.md) | Udare automată a plantelor | Învață să automatizezi și să programezi udarea folosind un releu și MQTT | [Udare automată a plantelor](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Fermă](./2-farm/README.md) | Migrează planta ta în cloud | Află despre servicii IoT găzduite în cloud și cum să conectezi planta ta la unul dintre acestea în loc de un broker MQTT public | [Migrează planta ta în cloud](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Fermă](./2-farm/README.md) | Migrează logica aplicației tale în cloud | Învață cum poți scrie logica aplicației în cloud care răspunde la mesajele IoT | [Migrează logica aplicației tale în cloud](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Fermă](./2-farm/README.md) | Menține-ți planta în siguranță | Învață despre securitatea în IoT și cum să-ți păstrezi planta în siguranță cu chei și certificate | [Menține-ți planta în siguranță](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Transport](./3-transport/README.md) | Urmărirea locației | Învață despre urmărirea locației GPS pentru dispozitive IoT | [Urmărirea locației](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Transport](./3-transport/README.md) | Stocarea datelor despre locație | Învață cum să stochezi date IoT pentru a fi vizualizate sau analizate ulterior | [Stocarea datelor despre locație](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Transport](./3-transport/README.md) | Vizualizează datele despre locație | Învață despre vizualizarea datelor de locație pe o hartă și cum hărțile reprezintă lumea 3D reală în 2 dimensiuni | [Vizualizează datele despre locație](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Transport](./3-transport/README.md) | Geofence-uri | Învață despre geofence-uri și cum pot fi folosite pentru a alerta când vehiculele din lanțul de aprovizionare sunt aproape de destinația lor | [Geofence-uri](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Producție](./4-manufacturing/README.md) | Antrenează un detector de calitatea fructelor | Învață despre antrenarea unui clasificator de imagini în cloud pentru a detecta calitatea fructelor | [Antrenează un detector de calitate a fructelor](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Producție](./4-manufacturing/README.md) | Verifică calitatea fructelor de pe un dispozitiv IoT | Învață despre folosirea detectorului tău de calitate a fructelor de pe un dispozitiv IoT | [Verifică calitatea fructelor de pe un dispozitiv IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Producție](./4-manufacturing/README.md) | Rulează detectorul de fructe pe edge | Învață despre rularea detectorului tău de fructe pe un dispozitiv IoT la marginea rețelei | [Rulează detectorul de fructe pe edge](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Producție](./4-manufacturing/README.md) | Pornește detectarea calității fructelor de la un senzor | Învață despre cum să pornești detectarea calității fructelor de la un senzor | [Pornește detectarea calității fructelor de la un senzor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Retail](./5-retail/README.md) | Antrenează un detector de stoc | Învață cum să folosești detectarea obiectelor pentru a antrena un detector de stoc pentru a număra stocul dintr-un magazin | [Antrenează un detector de stoc](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Retail](./5-retail/README.md) | Verifică stocul de pe un dispozitiv IoT | Învață cum să verifici stocul de pe un dispozitiv IoT folosind un model de detectare obiect | [Verifică stocul de pe un dispozitiv IoT](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Consumator](./6-consumer/README.md) | Recunoaște vorbirea cu un dispozitiv IoT | Învață cum să recunoști vorbirea de pe un dispozitiv IoT pentru a construi un cronometru inteligent | [Recunoaște vorbirea cu un dispozitiv IoT](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Consumator](./6-consumer/README.md) | Înțelege limbajul | Învață cum să înțelegi propozițiile rostite către un dispozitiv IoT | [Înțelege limbajul](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Consumator](./6-consumer/README.md) | Setează un cronometru și oferă feedback vocal | Învață cum să setezi un cronometru pe un dispozitiv IoT și să oferi feedback vocal când cronometrul este setat și când se termină | [Setează un cronometru și oferă feedback vocal](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Consumator](./6-consumer/README.md) | Suportă mai multe limbi | Învață cum să susții mai multe limbi, atât cele vorbite către tine, cât și răspunsurile cronometrului inteligent | [Suportă mai multe limbi](./6-consumer/lessons/4-multiple-language-support/README.md) | ## Acces offline -Puteți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Faceți un fork al acestui repo, [instalați Docsify](https://docsify.js.org/#/quickstart) pe mașina locală și apoi, în folderul rădăcină al acestui repo, tastați `docsify serve`. Site-ul va fi servit la portul 3000 la localhost-ul dvs.: `localhost:3000`. +Poți rula această documentație offline folosind [Docsify](https://docsify.js.org/#/). Fă un fork al acestui repo, [instalează Docsify](https://docsify.js.org/#/quickstart) pe mașina ta locală, apoi în folderul rădăcină al acestui repo scrie `docsify serve`. Site-ul va fi servit pe portul 3000 pe localhost-ul tău: `localhost:3000`. -## Chestionar +## Test -Mulțumim comunității pentru găzduirea chestionarului interactiv care vă testează cunoștințele pentru fiecare capitol. Îți poți testa cunoștințele [aici](https://ff-quizzes.netlify.app/en/) +Mulțumim comunității pentru găzduirea quiz-ului interactiv care testează cunoștințele pentru fiecare capitol. Îți testezi cunoștințele [aici](https://ff-quizzes.netlify.app/en/) ### PDF -Puteți genera un PDF al acestui conținut pentru acces offline dacă este necesar. Pentru a face acest lucru, asigurați-vă că aveți [npm instalat](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) și rulați următoarele comenzi în folderul rădăcină al acestui repo: +Poți genera un PDF al acestui conținut pentru acces offline, dacă este nevoie. Pentru aceasta, asigură-te că ai [npm instalat](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) și rulează următoarele comenzi în folderul rădăcină al acestui repo: ```sh npm i @@ -154,60 +164,60 @@ npm run convert ### Slide-uri -Există seturi de slide-uri pentru unele dintre lecții în folderul [slides](../../slides). +Există prezentări pentru unele lecții în folderul [slides](../../slides). -## Alte curricula +## Alte Curricula -Echipa noastră produce și alte curricula! Verificați: +Echipa noastră produce și alte curriculumuri! Vezi: ### LangChain -[![LangChain4j pentru Începători](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js pentru Începători](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain4j pentru începători](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js pentru începători](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain pentru începători](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agenți -[![AZD pentru Începători](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI pentru Începători](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP pentru Începători](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Agenți AI pentru Începători](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD pentru începători](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Seria AI Generativă -[![AI Generativ pentru Începători](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Generativ (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![AI Generativ (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![AI Generativ (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- -### Învățare de bază -[![ML pentru Începători](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Știința Datelor pentru Începători](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI pentru Începători](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Securitate Cibernetică pentru Începători](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Dezvoltare Web pentru Începători](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT pentru Începători](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![Dezvoltare XR pentru Începători](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +### Învățare de Bază +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Seria Copilot -[![Copilot pentru Programarea Asistată de AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot pentru C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Aventura Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Atribuiri imagini +## Atribuiri pentru imagini Puteți găsi toate atribuțiile pentru imaginile folosite în acest curriculum, acolo unde este necesar, în [Atribuiri](./attributions.md). --- -**Declinarea responsabilității**: -Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim să asigurăm acuratețea, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un traducător uman. Nu ne asumăm răspunderea pentru eventuale neînțelegeri sau interpretări greșite care pot apărea din utilizarea acestei traduceri. +**Declinare a responsabilității**: +Acest document a fost tradus folosind serviciul de traducere AI [Co-op Translator](https://github.com/Azure/co-op-translator). Deși ne străduim pentru acuratețe, vă rugăm să rețineți că traducerile automate pot conține erori sau inexactități. Documentul original în limba sa nativă trebuie considerat sursa autorizată. Pentru informații critice, se recomandă traducerea profesională realizată de un specialist uman. Nu ne asumăm responsabilitatea pentru eventualele neînțelegeri sau interpretări greșite rezultate din utilizarea acestei traduceri. \ No newline at end of file diff --git a/translations/ro/hardware.md b/translations/ro/hardware.md index c965f9553..2d6049432 100644 --- a/translations/ro/hardware.md +++ b/translations/ro/hardware.md @@ -26,7 +26,7 @@ Seeed Studios a făcut foarte ușor accesibile toate componentele hardware, ofer **[IoT pentru începători cu Seeed și Microsoft - Kit de start Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Kitul hardware Raspberry Pi Terminal](../../translated_images/ro/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Kitul hardware Raspberry Pi Terminal](../../translated_images/ro/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino diff --git a/translations/sk/.co-op-translator.json b/translations/sk/.co-op-translator.json index 2775ea3e9..bd6a5f3c5 100644 --- a/translations/sk/.co-op-translator.json +++ b/translations/sk/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "sk" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:31:23+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:42:22+00:00", "source_file": "README.md", "language_code": "sk" }, diff --git a/translations/sk/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/sk/1-getting-started/lessons/1-introduction-to-iot/README.md index 9b6ac3a94..0c8412914 100644 --- a/translations/sk/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/sk/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Úvod do IoT -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-1.2606670fa61ee904.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. diff --git a/translations/sk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/sk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index a85a8eb1b..eeac615f8 100644 --- a/translations/sk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/sk/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Ako druhý krok 'Hello World' spustíte aplikáciu CounterFit a pripojíte k nej Aplikácia sa spustí a otvorí vo vašom webovom prehliadači: - ![Aplikácia Counter Fit spustená v prehliadači](../../../../../translated_images/sk/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Aplikácia Counter Fit spustená v prehliadači](../../../../../translated_images/sk/counterfit-first-run.433326358b669b31.webp) Bude označená ako *Disconnected* a LED v pravom hornom rohu bude vypnutá. @@ -224,7 +224,7 @@ Ako druhý krok 'Hello World' spustíte aplikáciu CounterFit a pripojíte k nej 1. V tomto novom termináli spustite súbor `app.py` ako predtým. Stav CounterFit sa zmení na **Connected** a LED sa rozsvieti. - ![Counter Fit zobrazuje stav Connected](../../../../../translated_images/sk/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit zobrazuje stav Connected](../../../../../translated_images/sk/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Tento kód nájdete v priečinku [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/sk/1-getting-started/lessons/2-deeper-dive/README.md b/translations/sk/1-getting-started/lessons/2-deeper-dive/README.md index d55ee0b76..6388a6d6e 100644 --- a/translations/sk/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/sk/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Hlbší pohľad na IoT -![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-2.324b0580d620c25e.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -38,7 +38,7 @@ Dve hlavné komponenty IoT aplikácie sú *Internet* a *vec*. Pozrime sa na tiet Tieto zariadenia interagujú s fyzickým svetom buď pomocou senzorov na zhromažďovanie údajov zo svojho okolia, alebo ovládaním výstupov či akčných členov na vykonávanie fyzických zmien. Typickým príkladom je inteligentný termostat - zariadenie, ktoré má teplotný senzor, spôsob nastavenia požadovanej teploty, ako je otočný ovládač alebo dotyková obrazovka, a pripojenie k vykurovaciemu alebo chladiacemu systému, ktorý sa môže zapnúť, keď je zistená teplota mimo požadovaného rozsahu. Teplotný senzor zistí, že miestnosť je príliš studená, a akčný člen zapne kúrenie. -![Diagram zobrazujúci teplotu a otočný ovládač ako vstupy do IoT zariadenia a ovládanie kúrenia ako výstup](../../../../../translated_images/sk/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Diagram zobrazujúci teplotu a otočný ovládač ako vstupy do IoT zariadenia a ovládanie kúrenia ako výstup](../../../../../translated_images/sk/basic-thermostat.a923217fd1f37e5a.webp) Existuje obrovské množstvo rôznych vecí, ktoré môžu fungovať ako IoT zariadenia, od špecializovaného hardvéru na snímanie jednej veci až po univerzálne zariadenia, dokonca aj váš smartfón! Smartfón môže používať senzory na detekciu sveta okolo seba a akčné členy na interakciu so svetom - napríklad pomocou GPS senzora na zistenie vašej polohy a reproduktora na navigačné pokyny k cieľu. @@ -54,7 +54,7 @@ Zariadenia sa tiež nemusia vždy priamo pripájať na internet cez WiFi alebo k V prípade inteligentného termostatu by sa termostat pripojil cez domáce WiFi k cloudovému servisu bežiacemu v cloude. Poslal by údaje o teplote do tohto cloudového servisu, odkiaľ by boli zapísané do nejakej databázy, ktorá by umožnila majiteľovi domu skontrolovať aktuálne a minulé teploty pomocou aplikácie v telefóne. Ďalšia služba v cloude by vedela, akú teplotu majiteľ domu chce, a poslala by správy späť do IoT zariadenia cez cloudový servis, aby povedala vykurovaciemu systému, či sa má zapnúť alebo vypnúť. -![Diagram zobrazujúci teplotu a otočný ovládač ako vstupy do IoT zariadenia, IoT zariadenie s obojsmernou komunikáciou s cloudom, ktorý má obojsmernú komunikáciu s telefónom, a ovládanie kúrenia ako výstup z IoT zariadenia](../../../../../translated_images/sk/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Diagram zobrazujúci teplotu a otočný ovládač ako vstupy do IoT zariadenia, IoT zariadenie s obojsmernou komunikáciou s cloudom, ktorý má obojsmernú komunikáciu s telefónom, a ovládanie kúrenia ako výstup z IoT zariadenia](../../../../../translated_images/sk/mobile-controlled-thermostat.4a994010473d8d6a.webp) Ešte inteligentnejšia verzia by mohla používať AI v cloude s údajmi z iných senzorov pripojených k iným IoT zariadeniam, ako sú senzory obsadenosti, ktoré detekujú, ktoré miestnosti sa používajú, ako aj údaje ako počasie a dokonca váš kalendár, na rozhodovanie o tom, ako inteligentne nastaviť teplotu. Napríklad by mohla vypnúť kúrenie, ak z vášho kalendára zistí, že ste na dovolenke, alebo vypnúť kúrenie miestnosť po miestnosti v závislosti od toho, ktoré miestnosti používate, pričom sa z údajov učí byť čoraz presnejšia. @@ -94,7 +94,7 @@ CPU sa spolieha na hodiny, ktoré tikajú milióny alebo miliardy krát za sekun > 💁 CPU vykonávajú programy pomocou [fetch-decode-execute cyklu](https://wikipedia.org/wiki/Instruction_cycle). Pri každom tiku hodín CPU načíta ďalšiu inštrukciu z pamäte, dekóduje ju a potom ju vykoná, napríklad pomocou aritmeticko-logickej jednotky (ALU) na sčítanie 2 čísel. Niektoré vykonania trvajú viac tikov, takže ďalší cyklus sa spustí pri ďalšom tiku po dokončení inštrukcie. -![Fetch-decode-execute cyklus zobrazujúci načítanie inštrukcie z programu uloženého v RAM, potom dekódovanie a vykonanie na CPU](../../../../../translated_images/sk/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Fetch-decode-execute cyklus zobrazujúci načítanie inštrukcie z programu uloženého v RAM, potom dekódovanie a vykonanie na CPU](../../../../../translated_images/sk/fetch-decode-execute.2fd6f150f6280392.webp) Mikrokontroléry majú oveľa nižšie rýchlosti hodín ako stolné alebo prenosné počítače, alebo dokonca väčšina smartfónov. Napríklad Wio Terminal má CPU, ktorý beží na 120MHz alebo 120,000,000 cyklov za sekundu. @@ -182,7 +182,7 @@ Dosky Arduino sa programujú v jazykoch C alebo C++. Použitie C/C++ umožňuje, Do funkcie `setup` by ste napísali kód na inicializáciu, napríklad pripojenie k WiFi a cloudovým službám alebo inicializáciu pinov na vstup a výstup. Do funkcie `loop` by ste potom vložili spracovateľský kód, napríklad čítanie zo senzora a odosielanie hodnôt do cloudu. Zvyčajne by ste pridali oneskorenie na konci každého cyklu, napríklad ak chcete, aby sa údaje zo senzora odosielali každých 10 sekúnd, pridali by ste oneskorenie 10 sekúnd, aby mikrokontrolér mohol spať, šetriť energiu a potom spustiť cyklus znova, keď to bude potrebné. -![Sketch Arduino spúšťajúci najprv setup, potom opakovane loop](../../../../../translated_images/sk/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Sketch Arduino spúšťajúci najprv setup, potom opakovane loop](../../../../../translated_images/sk/arduino-sketch.79590cb837ff7a7c.webp) ✅ Táto architektúra programu je známa ako *cyklus udalostí* alebo *cyklus správ*. Mnoho aplikácií používa tento princíp na pozadí a je to štandard pre väčšinu desktopových aplikácií, ktoré bežia na OS ako Windows, macOS alebo Linux. Funkcia `loop` počúva správy od komponentov používateľského rozhrania, ako sú tlačidlá, alebo zariadení, ako je klávesnica, a reaguje na ne. Viac si môžete prečítať v tomto [článku o cykle udalostí](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/README.md index e3082418d..ce9d0c156 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Interakcia s fyzickým svetom pomocou senzorov a akčných členov -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-3.cc3b7b4cd646de59.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -92,7 +92,7 @@ Digitálne senzory, podobne ako analógové senzory, zisťujú svet okolo seba p Najjednoduchším digitálnym senzorom je tlačidlo alebo spínač. Ide o senzor s dvoma stavmi, zapnutý alebo vypnutý. -![Tlačidlo prijíma 5 voltov. Keď nie je stlačené, vracia 0 voltov, keď je stlačené, vracia 5 voltov](../../../../../translated_images/sk/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Tlačidlo prijíma 5 voltov. Keď nie je stlačené, vracia 0 voltov, keď je stlačené, vracia 5 voltov](../../../../../translated_images/sk/button.eadb560b77ac45e5.webp) Piny na IoT zariadeniach, ako sú GPIO piny, môžu tento signál priamo merať ako 0 alebo 1. Ak je napätie poslané rovnaké ako napätie vrátené, hodnota je 1, inak je hodnota 0. Nie je potrebné konvertovať signál, môže byť iba 1 alebo 0. @@ -125,7 +125,7 @@ Niektoré bežné akčné členy zahŕňajú: Postupujte podľa príslušného návodu nižšie na pridanie akčného člena do vášho IoT zariadenia, ktorý bude ovládaný senzorom, na vytvorenie IoT nočného svetla. Bude zhromažďovať úrovne svetla zo svetelného senzora a používať akčný člen vo forme LED diódy na vyžarovanie svetla, keď je detegovaná úroveň svetla príliš nízka. -![Diagram úlohy zobrazujúci čítanie a kontrolu úrovní svetla a ovládanie LED diódy](../../../../../translated_images/sk/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Diagram úlohy zobrazujúci čítanie a kontrolu úrovní svetla a ovládanie LED diódy](../../../../../translated_images/sk/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Jednodoskový počítač - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ Rovnako ako senzory, aj akčné členy môžu byť analógové alebo digitálne. Analógové akčné členy prijímajú analógový signál a prevádzajú ho na určitý druh interakcie, kde sa interakcia mení na základe dodaného napätia. Jedným príkladom je stmievateľné svetlo, ako tie, ktoré môžete mať doma. Množstvo dodaného napätia určuje, aké jasné svetlo bude. -![Svetlo stlmené pri nízkom napätí a jasnejšie pri vyššom napätí](../../../../../translated_images/sk/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Svetlo stlmené pri nízkom napätí a jasnejšie pri vyššom napätí](../../../../../translated_images/sk/dimmable-light.9ceffeb195dec1a8.webp) Rovnako ako pri senzoroch, skutočné IoT zariadenie pracuje s digitálnymi signálmi, nie analógovými. To znamená, že na odoslanie analógového signálu potrebuje IoT zariadenie prevodník z digitálneho na analógový signál (DAC), buď priamo na IoT zariadení, alebo na pripojovacej doske. Tento prevodník konvertuje 0 a 1 z IoT zariadenia na analógové napätie, ktoré môže použiť akčný člen. @@ -187,7 +187,7 @@ Digitálne akčné členy, podobne ako digitálne senzory, majú buď dva stavy Jednoduchým digitálnym akčným členom je LED dióda. Keď zariadenie odošle digitálny signál 1, odošle sa vysoké napätie, ktoré rozsvieti LED diódu. Keď sa odošle digitálny signál 0, napätie klesne na 0V a LED dióda sa vypne. -![LED dióda je vypnutá pri 0 voltoch a zapnutá pri 5V](../../../../../translated_images/sk/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED dióda je vypnutá pri 0 voltoch a zapnutá pri 5V](../../../../../translated_images/sk/led.ec6d94f66676a174.webp) ✅ Aké ďalšie jednoduché dvojstavové akčné členy vás napadajú? Jedným príkladom je solenoid, čo je elektromagnet, ktorý sa dá aktivovať na vykonanie úkonov, ako je pohyb zámku dverí na ich zamknutie/odomknutie. diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index cd40a67ef..313873717 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED dióda je dodávaná ako modul s výberom LED diód, čo vám umožňu Pripojte LED diódu. -![Grove LED dióda](../../../../../translated_images/sk/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED dióda](../../../../../translated_images/sk/grove-led.6c853be93f473cf2.webp) 1. Vyberte si svoju obľúbenú LED diódu a vložte jej nožičky do dvoch otvorov na module LED diódy. @@ -40,7 +40,7 @@ Pripojte LED diódu. 1. Pri vypnutom Raspberry Pi pripojte druhý koniec Grove kábla k digitálnej zásuvke označenej **D5** na Grove Base hat pripojenom k Pi. Táto zásuvka je druhá zľava v rade zásuviek vedľa GPIO pinov. -![Grove LED pripojená k zásuvke D5](../../../../../translated_images/sk/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED pripojená k zásuvke D5](../../../../../translated_images/sk/pi-led.97f1d474981dc35d.webp) ## Naprogramujte nočné svetlo diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index aa3743531..6ea0be4a2 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove svetelný senzor, ktorý sa používa na detekciu úrovní svetla, musí b Pripojte svetelný senzor. -![Grove svetelný senzor](../../../../../translated_images/sk/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove svetelný senzor](../../../../../translated_images/sk/grove-light-sensor.b8127b7c434e632d.webp) 1. Zasuňte jeden koniec Grove kábla do zásuvky na module svetelného senzora. Kábel sa dá zasunúť iba jedným spôsobom. 1. Pri vypnutom Raspberry Pi pripojte druhý koniec Grove kábla do analógovej zásuvky označenej **A0** na Grove Base hat pripojenom k Pi. Táto zásuvka je druhá sprava v rade zásuviek vedľa GPIO pinov. -![Grove svetelný senzor pripojený k zásuvke A0](../../../../../translated_images/sk/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove svetelný senzor pripojený k zásuvke A0](../../../../../translated_images/sk/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Naprogramovanie svetelného senzora diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 5973f4f3c..8cf99776b 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Pridajte LED diódu do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili LED diódu na pine 5. - ![Nastavenia LED diódy](../../../../../translated_images/sk/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Nastavenia LED diódy](../../../../../translated_images/sk/counterfit-create-led.ba9db1c9b8c622a6.webp) LED dióda bude vytvorená a zobrazí sa v zozname akčných členov. - ![Vytvorená LED dióda](../../../../../translated_images/sk/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Vytvorená LED dióda](../../../../../translated_images/sk/counterfit-led.c0ab02de6d256ad8.webp) Po vytvorení LED diódy môžete zmeniť jej farbu pomocou výberu *Color*. Kliknite na tlačidlo **Set**, aby ste zmenili farbu po jej výbere. diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index e68a091bc..02741d330 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Pridajte svetelný senzor do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili svetelný senzor na pine 0. - ![Nastavenia svetelného senzora](../../../../../translated_images/sk/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Nastavenia svetelného senzora](../../../../../translated_images/sk/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Svetelný senzor bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený svetelný senzor](../../../../../translated_images/sk/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Vytvorený svetelný senzor](../../../../../translated_images/sk/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Naprogramujte svetelný senzor diff --git a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index aae6d6930..84af6bc34 100644 --- a/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/sk/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED je dodávaná ako modul s výberom LED, čo vám umožňuje zvoliť si Pripojte LED. -![Grove LED](../../../../../translated_images/sk/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/sk/grove-led.6c853be93f473cf2.webp) 1. Vyberte svoju obľúbenú LED a vložte jej nožičky do dvoch otvorov na LED module. diff --git a/translations/sk/1-getting-started/lessons/4-connect-internet/README.md b/translations/sk/1-getting-started/lessons/4-connect-internet/README.md index e15ba3417..198f78277 100644 --- a/translations/sk/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/sk/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Pripojte svoje zariadenie k internetu -![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-4.7344e074ea68fa54.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -47,7 +47,7 @@ MQTT je najpopulárnejší komunikačný protokol pre IoT zariadenia a je pokryt MQTT má jedného sprostredkovateľa a viacero klientov. Všetci klienti sa pripájajú k sprostredkovateľovi, a ten smeruje správy relevantným klientom. Správy sú smerované pomocou pomenovaných tém, namiesto priameho zasielania konkrétnemu klientovi. Klient môže publikovať do témy, a všetci klienti, ktorí odoberajú túto tému, dostanú správu. -![IoT zariadenie publikujúce telemetriu na tému /telemetry, a cloudová služba odoberajúca túto tému](../../../../../translated_images/sk/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT zariadenie publikujúce telemetriu na tému /telemetry, a cloudová služba odoberajúca túto tému](../../../../../translated_images/sk/mqtt.cbf7f21d9adc3e17.webp) ✅ Urobte si prieskum. Ak máte veľa IoT zariadení, ako môžete zabezpečiť, že váš MQTT sprostredkovateľ zvládne všetky správy? @@ -69,7 +69,7 @@ Namiesto riešenia zložitostí nastavenia MQTT sprostredkovateľa ako súčasť > 💁 Tento testovací sprostredkovateľ je verejný a nie je zabezpečený. Ktokoľvek môže počúvať, čo publikujete, takže by sa nemal používať na žiadne údaje, ktoré musia zostať súkromné. -![Diagram úlohy zobrazujúci čítanie a kontrolu úrovní svetla a ovládanie LED](../../../../../translated_images/sk/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Diagram úlohy zobrazujúci čítanie a kontrolu úrovní svetla a ovládanie LED](../../../../../translated_images/sk/assignment-1-internet-flow.3256feab5f052fd2.webp) Postupujte podľa relevantného kroku nižšie, aby ste pripojili svoje zariadenie k MQTT sprostredkovateľovi: @@ -350,7 +350,7 @@ Pre stroje by ste možno chceli údaje uchovať, najmä ak sa používajú na sl Dizajnéri zariadení IoT by tiež mali zvážiť, či zariadenie môže byť použité počas výpadku internetu alebo straty signálu spôsobenej lokalitou. Inteligentný termostat by mal byť schopný robiť obmedzené rozhodnutia na ovládanie kúrenia, ak nemôže odosielať telemetriu do cloudu kvôli výpadku. -[![Toto Ferrari sa stalo nepoužiteľným, pretože niekto sa ho pokúsil aktualizovať pod zemou, kde nie je mobilný signál](../../../../../translated_images/sk/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Toto Ferrari sa stalo nepoužiteľným, pretože niekto sa ho pokúsil aktualizovať pod zemou, kde nie je mobilný signál](../../../../../translated_images/sk/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Aby MQTT zvládlo stratu pripojenia, zariadenie a kód servera budú musieť byť zodpovedné za zabezpečenie doručenia správ, ak je to potrebné, napríklad vyžadovaním, aby všetky odoslané správy boli potvrdené ďalšími správami na odpovednej téme. Ak nie sú potvrdené, musia byť manuálne zaradené do frontu na opätovné odoslanie neskôr. @@ -358,7 +358,7 @@ Aby MQTT zvládlo stratu pripojenia, zariadenie a kód servera budú musieť by Príkazy sú správy odoslané z cloudu do zariadenia, ktoré ho inštruujú, aby niečo vykonalo. Väčšinou ide o poskytnutie nejakého výstupu cez akčný člen, ale môže to byť aj inštrukcia pre samotné zariadenie, napríklad na reštartovanie alebo zhromaždenie ďalšej telemetrie a jej vrátenie ako odpoveď na príkaz. -![Internetom pripojený termostat prijímajúci príkaz na zapnutie kúrenia](../../../../../translated_images/sk/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Internetom pripojený termostat prijímajúci príkaz na zapnutie kúrenia](../../../../../translated_images/sk/commands.d6c06bbbb3a02cce.webp) Termostat by mohol prijať príkaz z cloudu na zapnutie kúrenia. Na základe telemetrických údajov zo všetkých senzorov cloudová služba rozhodla, že kúrenie by malo byť zapnuté, a preto posiela príslušný príkaz. diff --git a/translations/sk/2-farm/lessons/1-predict-plant-growth/README.md b/translations/sk/2-farm/lessons/1-predict-plant-growth/README.md index c82edbf8b..1236bd21e 100644 --- a/translations/sk/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/sk/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## Predpovedajte rast rastlín pomocou IoT -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-5.42b234299279d263.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -102,7 +102,7 @@ Kroky na manuálny výpočet sú: Napríklad, ak je najvyššia teplota za deň 25°C a najnižšia 12°C: -![GDD = 25 + 12 delené 2, potom od výsledku odčítajte 10, čo dáva 8.5](../../../../../translated_images/sk/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 delené 2, potom od výsledku odčítajte 10, čo dáva 8.5](../../../../../translated_images/sk/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/sk/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/sk/2-farm/lessons/1-predict-plant-growth/assignment.md index 5b6dd569b..c42c02aa3 100644 --- a/translations/sk/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/sk/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Keď budete mať údaje o teplote, môžete použiť Jupyter Notebook v tomto re Jupyter sa spustí a otvorí notebook vo vašom prehliadači. Prejdite si pokyny v notebooku, aby ste vizualizovali namerané teploty a vypočítali rastové stupne dní (GDD). - ![Jupyter notebook](../../../../../translated_images/sk/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter notebook](../../../../../translated_images/sk/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Hodnotiace kritériá diff --git a/translations/sk/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/sk/2-farm/lessons/1-predict-plant-growth/pi-temp.md index f3a51857b..656aa7d6d 100644 --- a/translations/sk/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/sk/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Grove teplotný senzor je možné pripojiť k Raspberry Pi. Pripojte teplotný senzor. -![Grove teplotný senzor](../../../../../translated_images/sk/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove teplotný senzor](../../../../../translated_images/sk/grove-dht11.07f8eafceee17004.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na senzore vlhkosti a teploty. Kábel sa dá zasunúť iba jedným spôsobom. diff --git a/translations/sk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/sk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 8dcf08523..a68cb6139 100644 --- a/translations/sk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/sk/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Pridajte senzory vlhkosti a teploty do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili senzor vlhkosti na pine 5. - ![Nastavenia senzora vlhkosti](../../../../../translated_images/sk/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Nastavenia senzora vlhkosti](../../../../../translated_images/sk/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Senzor vlhkosti bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený senzor vlhkosti](../../../../../translated_images/sk/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Vytvorený senzor vlhkosti](../../../../../translated_images/sk/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Vytvorte teplotný senzor: @@ -54,11 +54,11 @@ Pridajte senzory vlhkosti a teploty do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili teplotný senzor na pine 6. - ![Nastavenia teplotného senzora](../../../../../translated_images/sk/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Nastavenia teplotného senzora](../../../../../translated_images/sk/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Teplotný senzor bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený teplotný senzor](../../../../../translated_images/sk/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Vytvorený teplotný senzor](../../../../../translated_images/sk/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Naprogramovanie aplikácie teplotného senzora diff --git a/translations/sk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/sk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 19c81f8b1..5334a4b01 100644 --- a/translations/sk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/sk/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove teplotný senzor môže byť pripojený k digitálnemu portu Wio Terminalu Pripojte teplotný senzor. -![Grove teplotný senzor](../../../../../translated_images/sk/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove teplotný senzor](../../../../../translated_images/sk/grove-dht11.07f8eafceee17004.webp) 1. Zasuňte jeden koniec Grove kábla do zásuvky na senzore vlhkosti a teploty. Pôjde to iba jedným smerom. diff --git a/translations/sk/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/sk/2-farm/lessons/2-detect-soil-moisture/README.md index 0f96f916d..2263aebc3 100644 --- a/translations/sk/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/sk/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C má zbernicu zloženú z 2 hlavných vodičov spolu s 2 napájacími vodič | VCC | Spoločný kolektor napätia | Napájanie pre zariadenia. Toto je pripojené k vodičom SDA a SCL, aby im poskytovalo napájanie cez pull-up rezistor, ktorý vypína signál, keď žiadne zariadenie nie je ovládačom. | | GND | Zem | Poskytuje spoločnú zem pre elektrický obvod. | -![I2C zbernica s 3 zariadeniami pripojenými k vodičom SDA a SCL, ktoré zdieľajú spoločný zemný vodič](../../../../../translated_images/sk/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C zbernica s 3 zariadeniami pripojenými k vodičom SDA a SCL, ktoré zdieľajú spoločný zemný vodič](../../../../../translated_images/sk/i2c.83da845dde02256b.webp) Na odosielanie dát jedno zariadenie vydá štartovaciu podmienku, aby ukázalo, že je pripravené odosielať dáta. Potom sa stane ovládačom. Ovládač následne pošle adresu zariadenia, s ktorým chce komunikovať, spolu s informáciou, či chce dáta čítať alebo zapisovať. Po prenose dát ovládač pošle stop podmienku, aby naznačil, že skončil. Potom sa iné zariadenie môže stať ovládačom a odosielať alebo prijímať dáta. diff --git a/translations/sk/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/sk/2-farm/lessons/2-detect-soil-moisture/assignment.md index 4a34e3faa..e64ef9927 100644 --- a/translations/sk/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/sk/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Tieto kroky budete musieť zopakovať viackrát, aby ste získali potrebné úda Gravimetrická vlhkosť pôdy sa vypočíta ako: -![vlhkosť pôdy % je hmotnosť mokrej pôdy mínus hmotnosť suchej pôdy, delené hmotnosťou suchej pôdy, krát 100](../../../../../translated_images/sk/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![vlhkosť pôdy % je hmotnosť mokrej pôdy mínus hmotnosť suchej pôdy, delené hmotnosťou suchej pôdy, krát 100](../../../../../translated_images/sk/gsm-calculation.6da38c6201eec14e.webp) * W - hmotnosť mokrej pôdy * W - hmotnosť suchej pôdy Napríklad, povedzme, že máte vzorku pôdy, ktorá váži 212 g mokrá a 197 g suchá. -![Vyplnený výpočet](../../../../../translated_images/sk/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Vyplnený výpočet](../../../../../translated_images/sk/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212 g * W = 197 g diff --git a/translations/sk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/sk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index 111e4ed28..8b32cdd9a 100644 --- a/translations/sk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/sk/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Grove senzor vlhkosti pôdy je možné pripojiť k Raspberry Pi. Pripojte senzor vlhkosti pôdy. -![Grove senzor vlhkosti pôdy](../../../../../translated_images/sk/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor vlhkosti pôdy](../../../../../translated_images/sk/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na senzore vlhkosti pôdy. Kábel sa dá zasunúť iba jedným spôsobom. 1. Pri vypnutom Raspberry Pi pripojte druhý koniec Grove kábla do analógového konektora označeného **A0** na Grove Base Hat pripojenom k Pi. Tento konektor je druhý sprava v rade konektorov vedľa GPIO pinov. -![Grove senzor vlhkosti pôdy pripojený do konektora A0](../../../../../translated_images/sk/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Grove senzor vlhkosti pôdy pripojený do konektora A0](../../../../../translated_images/sk/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Zasuňte senzor vlhkosti pôdy do pôdy. Na senzore je biela čiara označujúca „najvyššiu polohu“. Zasuňte senzor až po túto čiaru, ale nie hlbšie. diff --git a/translations/sk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/sk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 1c1ccbf47..43c4106fd 100644 --- a/translations/sk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/sk/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Pridajte senzor vlhkosti pôdy do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili senzor *Soil Moisture* na pine 0. - ![Nastavenia senzora vlhkosti pôdy](../../../../../translated_images/sk/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Nastavenia senzora vlhkosti pôdy](../../../../../translated_images/sk/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Senzor vlhkosti pôdy bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený senzor vlhkosti pôdy](../../../../../translated_images/sk/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Vytvorený senzor vlhkosti pôdy](../../../../../translated_images/sk/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Naprogramovanie aplikácie senzora vlhkosti pôdy diff --git a/translations/sk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/sk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 4f972bf2d..69bd1cbaa 100644 --- a/translations/sk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/sk/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove senzor vlhkosti pôdy sa dá pripojiť k konfigurovateľnému analógovém Pripojte senzor vlhkosti pôdy. -![Grove senzor vlhkosti pôdy](../../../../../translated_images/sk/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor vlhkosti pôdy](../../../../../translated_images/sk/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Zasuňte jeden koniec Grove kábla do zásuvky na senzore vlhkosti pôdy. Kábel sa dá zasunúť iba jedným spôsobom. diff --git a/translations/sk/2-farm/lessons/3-automated-plant-watering/README.md b/translations/sk/2-farm/lessons/3-automated-plant-watering/README.md index 89db1a358..cc1d052ff 100644 --- a/translations/sk/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/sk/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Automatické zavlažovanie rastlín -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-7.30b5f577d3cb8e03.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre jeho zväčšenú verziu. @@ -32,7 +32,7 @@ IoT zariadenia používajú nízke napätie. Hoci to stačí pre senzory a nízk Riešením je pripojiť čerpadlo k externému zdroju napájania a použiť aktuátor na zapnutie čerpadla, podobne ako by ste zapli svetlo. Na preklopenie vypínača prstom stačí malé množstvo energie (vo forme energie vášho tela), a to spojí svetlo s elektrickou sieťou bežiacou na 110V/240V. -![Vypínač zapína svetlo](../../../../../translated_images/sk/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Vypínač zapína svetlo](../../../../../translated_images/sk/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Elektrická sieť](https://wikipedia.org/wiki/Mains_electricity) označuje elektrinu dodávanú do domácností a podnikov prostredníctvom národnej infraštruktúry v mnohých častiach sveta. @@ -72,7 +72,7 @@ Keď sa páka pohybuje, zvyčajne počujete, ako sa dotkne elektromagnetu s dobr Elektromagnet nepotrebuje veľa energie na aktiváciu a pritiahne páku, môže byť ovládaný pomocou 3,3V alebo 5V výstupu z IoT vývojovej dosky. Výstupný obvod môže niesť oveľa viac energie, v závislosti od relé, vrátane napätia zo siete alebo dokonca vyšších úrovní výkonu pre priemyselné použitie. Týmto spôsobom môže IoT vývojová doska ovládať zavlažovací systém, od malého čerpadla pre jednu rastlinu až po masívny priemyselný systém pre celú komerčnú farmu. -![Relé Grove s označenými ovládacím obvodom, výstupným obvodom a relé](../../../../../translated_images/sk/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Relé Grove s označenými ovládacím obvodom, výstupným obvodom a relé](../../../../../translated_images/sk/grove-relay-labelled.293e068f5c3c2a19.webp) Na obrázku vyššie je relé Grove. Ovládací obvod sa pripája k IoT zariadeniu a zapína alebo vypína relé pomocou 3,3V alebo 5V. Výstupný obvod má dva terminály, buď jeden môže byť napájanie alebo uzemnenie. Výstupný obvod zvládne až 250V pri 10A, čo je dosť pre rad zariadení napájaných zo siete. Môžete získať relé, ktoré zvládnu ešte vyššie úrovne výkonu. diff --git a/translations/sk/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/sk/2-farm/lessons/3-automated-plant-watering/pi-relay.md index 2fcd948d4..30925f858 100644 --- a/translations/sk/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/sk/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove relé môže byť pripojené k Raspberry Pi. Pripojte relé. -![Grove relé](../../../../../translated_images/sk/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relé](../../../../../translated_images/sk/grove-relay.d426958ca210fbd0.webp) 1. Zasuňte jeden koniec Grove kábla do zásuvky na relé. Pôjde tam iba jedným smerom. 1. S vypnutým Raspberry Pi pripojte druhý koniec Grove kábla do digitálnej zásuvky označenej **D5** na Grove Base Hat pripojenom k Pi. Táto zásuvka je druhá zľava v rade zásuviek vedľa GPIO pinov. Nechajte senzor vlhkosti pôdy pripojený k zásuvke **A0**. -![Grove relé pripojené k zásuvke D5 a senzor vlhkosti pôdy pripojený k zásuvke A0](../../../../../translated_images/sk/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove relé pripojené k zásuvke D5 a senzor vlhkosti pôdy pripojený k zásuvke A0](../../../../../translated_images/sk/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Zasuňte senzor vlhkosti pôdy do pôdy, ak už nie je zasunutý z predchádzajúcej lekcie. diff --git a/translations/sk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/sk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 597c88b22..d6460e806 100644 --- a/translations/sk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/sk/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Pridajte relé do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili relé na pine 5. - ![Nastavenia relé](../../../../../translated_images/sk/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Nastavenia relé](../../../../../translated_images/sk/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Relé bude vytvorené a zobrazí sa v zozname aktuátorov. - ![Vytvorené relé](../../../../../translated_images/sk/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Vytvorené relé](../../../../../translated_images/sk/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Programovanie relé diff --git a/translations/sk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/sk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index 21d1a1fab..ee1951df9 100644 --- a/translations/sk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/sk/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove relé môže byť pripojené k digitálnemu portu Wio Terminalu. Pripojte relé. -![Grove relé](../../../../../translated_images/sk/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relé](../../../../../translated_images/sk/grove-relay.d426958ca210fbd0.webp) 1. Zasuňte jeden koniec Grove kábla do zásuvky na relé. Kábel sa zasunie iba jedným spôsobom. diff --git a/translations/sk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/sk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index dc9460499..4146175e3 100644 --- a/translations/sk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/sk/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrujte svoju rastlinu do cloudu -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-8.3f21f3c11159e6a0.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -46,8 +46,8 @@ Toto mohlo byť veľmi drahé, vyžadovať širokú škálu kvalifikovaných zam Cloud sa často žartovne označuje ako „počítač niekoho iného“. Pôvodná myšlienka bola jednoduchá - namiesto nákupu počítačov si prenajmete počítač niekoho iného. Niekto iný, poskytovateľ cloud computingu, by spravoval obrovské dátové centrá. Bol by zodpovedný za nákup a inštaláciu hardvéru, správu napájania a chladenia, sieťovanie, zabezpečenie budovy, aktualizácie hardvéru a softvéru, všetko. Ako zákazník by ste si prenajali počítače, ktoré potrebujete, prenajímali viac, keď dopyt stúpa, a znižovali počet prenajatých počítačov, keď dopyt klesá. Tieto cloudové dátové centrá sú po celom svete. -![Microsoft cloudové dátové centrum](../../../../../translated_images/sk/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Plánovaná expanzia Microsoft cloudového dátového centra](../../../../../translated_images/sk/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Microsoft cloudové dátové centrum](../../../../../translated_images/sk/azure-region-existing.73f704604f2aa6cb.webp) +![Plánovaná expanzia Microsoft cloudového dátového centra](../../../../../translated_images/sk/azure-region-planned-expansion.a5074a1e8af74f15.webp) Tieto dátové centrá môžu mať rozlohu niekoľkých štvorcových kilometrov. Obrázky vyššie boli urobené pred niekoľkými rokmi v Microsoft cloudovom dátovom centre a ukazujú počiatočnú veľkosť spolu s plánovanou expanziou. Oblasť vyčistená pre expanziu má viac ako 5 štvorcových kilometrov. @@ -108,11 +108,11 @@ IoT služby v cloude riešia tieto problémy. Sú spravované veľkými poskytov IoT zariadenia sa pripájajú k cloudovej službe buď pomocou SDK zariadenia (knižnice, ktorá poskytuje kód na prácu s funkciami služby), alebo priamo cez komunikačný protokol, ako je MQTT alebo HTTP. SDK zariadenia je zvyčajne najjednoduchšia cesta, pretože sa postará o všetko za vás, napríklad o to, aké témy publikovať alebo odoberať, a ako spracovať bezpečnosť. -![Zariadenia sa pripájajú k službe pomocou SDK zariadenia. Serverový kód sa tiež pripája k službe cez SDK](../../../../../translated_images/sk/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Zariadenia sa pripájajú k službe pomocou SDK zariadenia. Serverový kód sa tiež pripája k službe cez SDK](../../../../../translated_images/sk/iot-service-connectivity.7e873847921a5d6f.webp) Vaše zariadenie potom komunikuje s ostatnými časťami vašej aplikácie cez túto službu - podobne ako ste posielali telemetriu a prijímali príkazy cez MQTT. To sa zvyčajne robí pomocou SDK služby alebo podobnej knižnice. Správy prichádzajú z vášho zariadenia do služby, kde ich ostatné komponenty vašej aplikácie môžu čítať, a správy môžu byť posielané späť na vaše zariadenie. -![Zariadenia bez platného tajného kľúča sa nemôžu pripojiť k IoT službe](../../../../../translated_images/sk/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Zariadenia bez platného tajného kľúča sa nemôžu pripojiť k IoT službe](../../../../../translated_images/sk/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Tieto služby implementujú bezpečnosť tým, že poznajú všetky zariadenia, ktoré sa môžu pripojiť a posielať dáta, buď tým, že majú zariadenia predregistrované v službe, alebo tým, že zariadeniam poskytujú tajné kľúče alebo certifikáty, ktoré môžu použiť na registráciu v službe pri prvom pripojení. Neznáme zariadenia sa nemôžu pripojiť, ak sa pokúsia, služba odmietne pripojenie a ignoruje správy od nich. @@ -124,7 +124,7 @@ Ostatné komponenty vašej aplikácie sa môžu pripojiť k IoT službe a dozved Teraz, keď máte predplatné Azure, môžete sa prihlásiť na IoT službu. IoT služba od Microsoftu sa nazýva Azure IoT Hub. -![Logo Azure IoT Hub](../../../../../translated_images/sk/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Logo Azure IoT Hub](../../../../../translated_images/sk/azure-iot-hub-logo.28a19de76d0a1932.webp) Video nižšie poskytuje krátky prehľad o Azure IoT Hub: diff --git a/translations/sk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/sk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index ef3357398..c149f0cec 100644 --- a/translations/sk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/sk/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrujte logiku svojej aplikácie do cloudu -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-9.dfe99c8e891f48e1.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -28,7 +28,7 @@ V tejto lekcii sa budeme venovať: Serverless, alebo serverless computing, zahŕňa vytváranie malých blokov kódu, ktoré sa spúšťajú v cloude ako reakcia na rôzne typy udalostí. Keď sa udalosť stane, váš kód sa spustí a dostane údaje o udalosti. Tieto udalosti môžu pochádzať z rôznych zdrojov, vrátane webových požiadaviek, správ v rade, zmien údajov v databáze alebo správ odoslaných IoT zariadeniami do IoT služby. -![Udalosti odosielané z IoT služby do serverless služby, všetky spracované naraz viacerými funkciami](../../../../../translated_images/sk/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Udalosti odosielané z IoT služby do serverless služby, všetky spracované naraz viacerými funkciami](../../../../../translated_images/sk/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ak ste už používali databázové triggery, môžete si to predstaviť ako podobný koncept, kód spúšťaný udalosťou, ako je napríklad vloženie riadku. @@ -54,7 +54,7 @@ Ako IoT vývojár je serverless model ideálny. Môžete napísať funkciu, ktor Serverless computing služba od Microsoftu sa nazýva Azure Functions. -![Logo Azure Functions](../../../../../translated_images/sk/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Logo Azure Functions](../../../../../translated_images/sk/azure-functions-logo.1cfc8e3204c9c44a.webp) Krátke video nižšie poskytuje prehľad Azure Functions. diff --git a/translations/sk/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/sk/2-farm/lessons/6-keep-your-plant-secure/README.md index b2b372729..097ca58ae 100644 --- a/translations/sk/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/sk/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Udržujte svoju rastlinu v bezpečí -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-10.829c86b80b9403bb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -52,11 +52,11 @@ Toto sú scenáre z reálneho sveta, ktoré sa dejú neustále. Niektoré príkl Keď sa zariadenie pripojí k IoT službe, používa ID na identifikáciu. Problém je, že toto ID môže byť skopírované - hacker by mohol nastaviť škodlivé zariadenie, ktoré používa rovnaké ID ako skutočné zariadenie, ale posiela falošné údaje. -![Platné aj škodlivé zariadenia môžu používať rovnaké ID na posielanie telemetrie](../../../../../translated_images/sk/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Platné aj škodlivé zariadenia môžu používať rovnaké ID na posielanie telemetrie](../../../../../translated_images/sk/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Riešením je konvertovať posielané údaje do zašifrovanej podoby pomocou hodnoty, ktorá je známa iba zariadeniu a cloudu. Tento proces sa nazýva *šifrovanie* a hodnota použitá na šifrovanie údajov sa nazýva *šifrovací kľúč*. -![Ak sa použije šifrovanie, budú akceptované iba zašifrované správy, ostatné budú odmietnuté](../../../../../translated_images/sk/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ak sa použije šifrovanie, budú akceptované iba zašifrované správy, ostatné budú odmietnuté](../../../../../translated_images/sk/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Cloudová služba potom môže údaje konvertovať späť do čitateľnej podoby pomocou procesu nazývaného *dešifrovanie*, buď pomocou rovnakého šifrovacieho kľúča, alebo *dešifrovacieho kľúča*. Ak zašifrovanú správu nie je možné dešifrovať pomocou kľúča, zariadenie bolo hacknuté a správa je odmietnutá. diff --git a/translations/sk/3-transport/lessons/1-location-tracking/README.md b/translations/sk/3-transport/lessons/1-location-tracking/README.md index a9778bb7e..847c4b2bf 100644 --- a/translations/sk/3-transport/lessons/1-location-tracking/README.md +++ b/translations/sk/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Sledovanie polohy -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-11.9fddbac4b664c6d5.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -63,13 +63,13 @@ Zem je guľa – trojrozmerný kruh. Z tohto dôvodu sú body definované rozdel > 💁 Nikto presne nevie, prečo sú kruhy rozdelené na 360 stupňov. [Stránka o stupňoch (uhloch) na Wikipédii](https://wikipedia.org/wiki/Degree_(angle)) pokrýva niektoré z možných dôvodov. -![Čiary zemepisnej šírky od 90° na severnom póle, 45° v polovici medzi severným pólom a rovníkom, 0° na rovníku, -45° v polovici medzi rovníkom a južným pólom a -90° na južnom póle](../../../../../translated_images/sk/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Čiary zemepisnej šírky od 90° na severnom póle, 45° v polovici medzi severným pólom a rovníkom, 0° na rovníku, -45° v polovici medzi rovníkom a južným pólom a -90° na južnom póle](../../../../../translated_images/sk/latitude-lines.11d8d91dfb2014a5.webp) Zemepisná šírka sa meria pomocou čiar, ktoré obiehajú Zem a sú rovnobežné s rovníkom, pričom rozdeľujú severnú a južnú pologuľu na 90° každú. Rovník je na 0°, severný pól je na 90°, tiež známy ako 90° severnej šírky, a južný pól je na -90°, alebo 90° južnej šírky. Zemepisná dĺžka sa meria ako počet stupňov na východ a západ. Počiatočný bod 0° zemepisnej dĺžky sa nazýva *hlavný poludník* a bol definovaný v roku 1884 ako čiara od severného pólu po južný pól, ktorá prechádza cez [Britské kráľovské observatórium v Greenwichi, Anglicko](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Čiary zemepisnej dĺžky, ktoré idú od -180° na západ od hlavného poludníka, cez 0° na hlavnom poludníku, po 180° na východ od hlavného poludníka](../../../../../translated_images/sk/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Čiary zemepisnej dĺžky, ktoré idú od -180° na západ od hlavného poludníka, cez 0° na hlavnom poludníku, po 180° na východ od hlavného poludníka](../../../../../translated_images/sk/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Poludník je imaginárna priamka, ktorá ide od severného pólu po južný pól a tvorí polkruh. @@ -100,7 +100,7 @@ Súradnice pre bod sa vždy uvádzajú ako `zemepisná šírka, zemepisná dĺž * Zemepisnú šírku 47.6423109 (47.6423109 stupňa severne od rovníka) * Zemepisnú dĺžku -122.1390293 (122.1390293 stupňa západne od hlavného poludníka). -![Microsoft Campus na 47.6423109,-122.117198](../../../../../translated_images/sk/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Microsoft Campus na 47.6423109,-122.117198](../../../../../translated_images/sk/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Globálne polohové systémy (GPS) @@ -112,7 +112,7 @@ GPS systémy fungujú tak, že majú niekoľko satelitov, ktoré vysielajú sign > 💁 GPS senzory potrebujú antény na detekciu rádiových vĺn. Antény zabudované do nákladných áut a áut s palubným GPS sú umiestnené tak, aby získali dobrý signál, zvyčajne na čelnom skle alebo streche. Ak používate samostatný GPS systém, ako je smartfón alebo IoT zariadenie, musíte zabezpečiť, aby anténa zabudovaná do GPS systému alebo telefónu mala jasný výhľad na oblohu, napríklad bola namontovaná na čelnom skle. -![Určenie polohy na základe vzdialenosti od viacerých satelitov](../../../../../translated_images/sk/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Určenie polohy na základe vzdialenosti od viacerých satelitov](../../../../../translated_images/sk/gps-satellites.04acf1148fe25fbf.webp) GPS satelity obiehajú Zem, nie sú na pevnom bode nad senzorom, takže údaje o polohe zahŕňajú nadmorskú výšku nad hladinou mora, ako aj zemepisnú šírku a dĺžku. diff --git a/translations/sk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/sk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index b2e0181c8..3f33c3018 100644 --- a/translations/sk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/sk/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS senzor je možné pripojiť k Raspberry Pi. Pripojte GPS senzor. -![Grove GPS senzor](../../../../../translated_images/sk/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/sk/grove-gps-sensor.247943bf69b03f0d.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na GPS senzore. Kábel sa dá zasunúť iba jedným spôsobom. 1. S vypnutým Raspberry Pi pripojte druhý koniec Grove kábla do UART konektora označeného **UART** na Grove Base hat pripojenom k Pi. Tento konektor sa nachádza v strednom rade na strane najbližšej k SD karte, na opačnom konci od USB portov a ethernetového konektora. - ![Grove GPS senzor pripojený k UART konektoru](../../../../../translated_images/sk/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS senzor pripojený k UART konektoru](../../../../../translated_images/sk/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Umiestnite GPS senzor tak, aby pripojená anténa mala výhľad na oblohu - ideálne pri otvorenom okne alebo vonku. Čím menej prekážok je medzi anténou a oblohou, tým lepší signál získate. diff --git a/translations/sk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/sk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index cf5b88fc4..8a83beaaa 100644 --- a/translations/sk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/sk/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Pridajte GPS senzor do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili GPS senzor na porte `/dev/ttyAMA0`. - ![Nastavenia GPS senzora](../../../../../translated_images/sk/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Nastavenia GPS senzora](../../../../../translated_images/sk/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS senzor bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený GPS senzor](../../../../../translated_images/sk/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Vytvorený GPS senzor](../../../../../translated_images/sk/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Naprogramovanie GPS senzora @@ -102,17 +102,17 @@ Naprogramujte aplikáciu pre GPS senzor. * Nastavte **Source** na `Lat/Lon` a zadajte konkrétnu zemepisnú šírku, dĺžku a počet satelitov použitých na získanie GPS fixu. Táto hodnota bude odoslaná iba raz, takže zaškrtnite políčko **Repeat**, aby sa údaje opakovali každú sekundu. - ![GPS senzor s nastavenou zemepisnou šírkou a dĺžkou](../../../../../translated_images/sk/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS senzor s nastavenou zemepisnou šírkou a dĺžkou](../../../../../translated_images/sk/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Nastavte **Source** na `NMEA` a pridajte niekoľko NMEA viet do textového poľa. Všetky tieto hodnoty budú odoslané, s oneskorením 1 sekundy pred každou novou GGA (pozícia fixu) vetou. - ![GPS senzor s nastavenými NMEA vetami](../../../../../translated_images/sk/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS senzor s nastavenými NMEA vetami](../../../../../translated_images/sk/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Môžete použiť nástroj ako [nmeagen.org](https://www.nmeagen.org) na generovanie týchto viet kreslením na mape. Tieto hodnoty budú odoslané iba raz, takže zaškrtnite políčko **Repeat**, aby sa údaje opakovali sekundu po ich odoslaní. * Nastavte **Source** na GPX súbor a nahrajte GPX súbor s trasovými lokalitami. GPX súbory môžete stiahnuť z viacerých populárnych máp a turistických stránok, ako napríklad [AllTrails](https://www.alltrails.com/). Tieto súbory obsahujú viacero GPS lokalít ako trasu a GPS senzor vráti každú novú lokalitu v intervale 1 sekundy. - ![GPS senzor s nastaveným GPX súborom](../../../../../translated_images/sk/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS senzor s nastaveným GPX súborom](../../../../../translated_images/sk/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Tieto hodnoty budú odoslané iba raz, takže zaškrtnite políčko **Repeat**, aby sa údaje opakovali sekundu po ich odoslaní. diff --git a/translations/sk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/sk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index cd73c2a24..e183ebd8b 100644 --- a/translations/sk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/sk/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS senzor je možné pripojiť k Wio Terminalu. Pripojte GPS senzor. -![Grove GPS senzor](../../../../../translated_images/sk/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/sk/grove-gps-sensor.247943bf69b03f0d.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na GPS senzore. Kábel sa dá zasunúť iba jedným spôsobom. diff --git a/translations/sk/3-transport/lessons/2-store-location-data/README.md b/translations/sk/3-transport/lessons/2-store-location-data/README.md index e457b949b..1efaa0f77 100644 --- a/translations/sk/3-transport/lessons/2-store-location-data/README.md +++ b/translations/sk/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Umiestnenie údajov o polohe -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-12.ca7f53039712a3ec.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -75,7 +75,7 @@ NoSQL databázy sa nazývajú NoSQL, pretože nemajú rovnakú pevnú štruktúr > 💁 Napriek svojmu názvu niektoré NoSQL databázy umožňujú používať SQL na vyhľadávanie údajov. -![Dokumenty v priečinkoch v NoSQL databáze](../../../../../translated_images/sk/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Dokumenty v priečinkoch v NoSQL databáze](../../../../../translated_images/sk/noqsl-database.62d24ccf5b73f60d.webp) NoSQL databázy nemajú preddefinovanú schému, ktorá obmedzuje spôsob ukladania údajov, namiesto toho môžete vložiť akékoľvek neštruktúrované údaje, zvyčajne pomocou JSON dokumentov. Tieto dokumenty môžu byť organizované do priečinkov, podobne ako súbory vo vašom počítači. Každý dokument môže mať rôzne polia od iných dokumentov - napríklad, ak by ste ukladali IoT údaje z farmárskych vozidiel, niektoré môžu mať polia pre údaje z akcelerometra a rýchlosti, iné môžu mať polia pre teplotu v prívesu. Ak by ste pridali nový typ nákladného auta, napríklad s integrovanými váhami na sledovanie hmotnosti prepravovaného tovaru, vaše IoT zariadenie by mohlo pridať toto nové pole a mohlo by byť uložené bez akýchkoľvek zmien v databáze. @@ -89,7 +89,7 @@ V tejto lekcii budete používať NoSQL úložisko na ukladanie IoT údajov. V predchádzajúcej lekcii ste zachytili GPS údaje zo senzora pripojeného k vášmu IoT zariadeniu. Aby ste mohli tieto IoT údaje uložiť v cloude, musíte ich odoslať do IoT služby. Opäť budete používať Azure IoT Hub, tú istú IoT cloudovú službu, ktorú ste použili v predchádzajúcom projekte. -![Odosielanie GPS telemetrie z IoT zariadenia do IoT Hubu](../../../../../translated_images/sk/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Odosielanie GPS telemetrie z IoT zariadenia do IoT Hubu](../../../../../translated_images/sk/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Úloha - odoslanie GPS údajov do IoT Hubu @@ -171,7 +171,7 @@ Studené údaje sa ukladajú do dátových skladov - databáz navrhnutých na uk Keď údaje prúdia do vášho IoT Hubu, môžete napísať serverless kód na počúvanie udalostí publikovaných na Event-Hub kompatibilnom koncovom bode. Toto je teplá cesta - tieto údaje budú uložené a použité v ďalšej lekcii na vytváranie správ o ceste. -![Odosielanie GPS telemetrie z IoT zariadenia do IoT Hubu, potom do Azure Functions cez trigger Event Hubu](../../../../../translated_images/sk/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Odosielanie GPS telemetrie z IoT zariadenia do IoT Hubu, potom do Azure Functions cez trigger Event Hubu](../../../../../translated_images/sk/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Úloha - spracovanie GPS udalostí pomocou serverless kódu @@ -193,7 +193,7 @@ Keď údaje prúdia do vášho IoT Hubu, môžete napísať serverless kód na p ## Azure Storage Accounts -![Logo Azure Storage](../../../../../translated_images/sk/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Logo Azure Storage](../../../../../translated_images/sk/azure-storage-logo.605c0f602c640d48.webp) Azure Storage Accounts je univerzálna služba úložiska, ktorá dokáže ukladať údaje rôznymi spôsobmi. Údaje môžete ukladať ako blob, do frontov, do tabuliek alebo ako súbory, a to všetko naraz. diff --git a/translations/sk/3-transport/lessons/3-visualize-location-data/README.md b/translations/sk/3-transport/lessons/3-visualize-location-data/README.md index 54750677d..e25c0fa56 100644 --- a/translations/sk/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/sk/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Vizualizácia údajov o polohe -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-13.a259db1485021be7.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -64,11 +64,11 @@ Jednoduchý príklad - v projekte farmy ste zachytili údaje o vlhkosti pôdy. T Ako človek môže byť pochopenie týchto údajov náročné. Je to stena čísel bez akéhokoľvek významu. Ako prvý krok k vizualizácii týchto údajov ich možno vykresliť na čiarovom grafe: -![Čiarový graf vyššie uvedených údajov](../../../../../translated_images/sk/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Čiarový graf vyššie uvedených údajov](../../../../../translated_images/sk/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Tento graf možno ďalej vylepšiť pridaním čiary, ktorá označuje, kedy bol automatický zavlažovací systém zapnutý pri hodnote vlhkosti pôdy 450: -![Čiarový graf vlhkosti pôdy s čiarou na hodnote 450](../../../../../translated_images/sk/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Čiarový graf vlhkosti pôdy s čiarou na hodnote 450](../../../../../translated_images/sk/chart-soil-moisture-relay.fbb391236d34a64d.webp) Tento graf veľmi rýchlo ukazuje nielen to, aké boli úrovne vlhkosti pôdy, ale aj body, kde bol zavlažovací systém zapnutý. @@ -84,7 +84,7 @@ Pri práci s GPS údajmi môže byť najjasnejšou vizualizáciou vykreslenie ú Práca s mapami je zaujímavé cvičenie a existuje mnoho možností, ako napríklad Bing Maps, Leaflet, Open Street Maps a Google Maps. V tejto lekcii sa naučíte o [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) a ako môžu zobrazovať vaše GPS údaje. -![Logo Azure Maps](../../../../../translated_images/sk/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Logo Azure Maps](../../../../../translated_images/sk/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps je "kolekcia geopriestorových služieb a SDK, ktoré používajú aktuálne mapové údaje na poskytovanie geografického kontextu webovým a mobilným aplikáciám." Vývojári majú k dispozícii nástroje na vytváranie krásnych, interaktívnych máp, ktoré dokážu robiť veci ako poskytovať odporúčané dopravné trasy, informácie o dopravných incidentoch, navigáciu v interiéri, vyhľadávacie schopnosti, informácie o nadmorskej výške, služby počasia a ďalšie. @@ -185,7 +185,7 @@ Teraz môžete urobiť ďalší krok, ktorým je zobrazenie mapy na webovej str Ak otvoríte svoju stránku `index.html` v webovom prehliadači, mali by ste vidieť načítanú mapu, zameranú na oblasť Seattle. - ![Mapa zobrazujúca Seattle, mesto v štáte Washington, USA](../../../../../translated_images/sk/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Mapa zobrazujúca Seattle, mesto v štáte Washington, USA](../../../../../translated_images/sk/map-image.8fb2c53eb23ef39c.webp) ✅ Experimentujte s parametrami priblíženia a centra na zmenu zobrazenia mapy. Môžete pridať rôzne súradnice zodpovedajúce zemepisnej šírke a dĺžke vašich údajov na opätovné zameranie mapy. @@ -319,7 +319,7 @@ Ak zavoláte svoj storage na načítanie údajov, môžete byť prekvapení, ke 1. Načítajte HTML stránku vo svojom prehliadači. Načíta sa mapa, potom sa načítajú všetky GPS údaje zo storage a zobrazia sa na mape. - ![Mapa Saint Edward State Park blízko Seattlu, s kruhmi zobrazujúcimi trasu okolo okraja parku](../../../../../translated_images/sk/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Mapa Saint Edward State Park blízko Seattlu, s kruhmi zobrazujúcimi trasu okolo okraja parku](../../../../../translated_images/sk/map-path.896832e72dc696ff.webp) > 💁 Tento kód nájdete v [code](../../../../../3-transport/lessons/3-visualize-location-data/code) priečinku. diff --git a/translations/sk/3-transport/lessons/4-geofences/README.md b/translations/sk/3-transport/lessons/4-geofences/README.md index d1d7e807c..0ba95e70d 100644 --- a/translations/sk/3-transport/lessons/4-geofences/README.md +++ b/translations/sk/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geofences -![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-14.63980c5150ae3c15.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -35,7 +35,7 @@ V tejto lekcii sa budeme venovať: Geofence je virtuálny obvod pre geografickú oblasť v reálnom svete. Geofences môžu byť kruhy definované ako bod a polomer (napríklad kruh s priemerom 100m okolo budovy) alebo polygóny pokrývajúce oblasť, ako je školská zóna, mestské hranice alebo univerzitný či kancelársky kampus. -![Príklady geofencov zobrazujúce kruhový geofence okolo obchodu Microsoft a polygonový geofence okolo západného kampusu Microsoft](../../../../../translated_images/sk/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Príklady geofencov zobrazujúce kruhový geofence okolo obchodu Microsoft a polygonový geofence okolo západného kampusu Microsoft](../../../../../translated_images/sk/geofence-examples.172fbc534665769f.webp) > 💁 Možno ste už používali geofences bez toho, aby ste o tom vedeli. Ak ste nastavili pripomienku pomocou aplikácie iOS Reminders alebo Google Keep na základe polohy, použili ste geofence. Tieto aplikácie nastavia geofence na základe zadanej polohy a upozornia vás, keď váš telefón vstúpi do geofence. @@ -212,7 +212,7 @@ Je dôležité poznať vzdialenosť k okraju geofence a kombinovať ju s ďalš Napríklad si predstavte GPS hodnoty ukazujúce, že vozidlo jazdilo po ceste, ktorá vedie vedľa geofence. Ak jedna GPS hodnota je nepresná a umiestni vozidlo vo vnútri geofence, napriek tomu, že tam nie je prístup pre vozidlá, môže byť ignorovaná. -![GPS trasa ukazujúca vozidlo prechádzajúce okolo kampusu Microsoft na 520, s GPS hodnotami pozdĺž cesty okrem jednej na kampuse, vo vnútri geofence](../../../../../translated_images/sk/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS trasa ukazujúca vozidlo prechádzajúce okolo kampusu Microsoft na 520, s GPS hodnotami pozdĺž cesty okrem jednej na kampuse, vo vnútri geofence](../../../../../translated_images/sk/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) Na vyššie uvedenom obrázku je geofence nad časťou kampusu Microsoft. Červená čiara ukazuje nákladné auto jazdiace po 520, pričom kruhy označujú GPS údaje. Väčšina z nich je presná a nachádza sa na 520, s jedným nepresným údajom vo vnútri geofence. Tento údaj nemôže byť správny – neexistujú žiadne cesty, po ktorých by sa nákladné auto mohlo náhle odkloniť z 520 na kampus a potom späť na 520. Kód, ktorý kontroluje tento geofence, bude musieť zohľadniť predchádzajúce údaje predtým, než bude konať na základe výsledkov testu geofence. ✅ Aké ďalšie údaje by ste potrebovali skontrolovať, aby ste zistili, či GPS údaj môže byť považovaný za správny? @@ -284,7 +284,7 @@ Ako si pamätáte z predchádzajúcich lekcií, IoT Hub umožňuje prehrávať u Odpoveď je, že to nevie! Namiesto toho môžete definovať viacero samostatných pripojení na čítanie udalostí, pričom každé z nich môže spravovať prehrávanie neprečítaných správ. Tieto sa nazývajú *consumer groups*. Keď sa pripojíte k endpointu, môžete špecifikovať, ku ktorému consumer group sa chcete pripojiť. Každá súčasť vašej aplikácie sa pripojí k inému consumer group. -![Jeden IoT Hub s 3 consumer groups distribuujúcimi rovnaké správy do 3 rôznych Functions aplikácií](../../../../../translated_images/sk/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Jeden IoT Hub s 3 consumer groups distribuujúcimi rovnaké správy do 3 rôznych Functions aplikácií](../../../../../translated_images/sk/consumer-groups.a3262e26fc27ba20.webp) Teoreticky sa môže k každému consumer group pripojiť až 5 aplikácií, a všetky dostanú správy, keď prídu. Najlepšou praxou je mať iba jednu aplikáciu prístupnú k každému consumer group, aby sa zabránilo duplicitnému spracovaniu správ a zabezpečilo, že pri reštarte budú všetky čakajúce správy správne spracované. Napríklad, ak spustíte svoju Functions aplikáciu lokálne, ako aj v cloude, obe by spracovávali správy, čo by viedlo k duplicitným blobom uloženým v úložnom účte. diff --git a/translations/sk/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/sk/4-manufacturing/lessons/1-train-fruit-detector/README.md index 75b0a218a..ce661075a 100644 --- a/translations/sk/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/sk/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Trénovanie detektora kvality ovocia -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -38,7 +38,7 @@ Nie všetky plodiny dozrievajú rovnomerne. Napríklad paradajky môžu mať na Vzostup automatizovaného zberu presunul triedenie plodín zo zberu do továrne. Potraviny by cestovali na dlhých dopravníkoch s tímami ľudí, ktorí by preberali plodiny a odstraňovali všetko, čo nespĺňalo požadované kvalitatívne štandardy. Zber bol lacnejší vďaka strojom, ale stále existovali náklady na manuálne triedenie potravín. -![Ak je detekovaná červená paradajka, pokračuje vo svojej ceste bez prerušenia. Ak je detekovaná zelená paradajka, páka ju odhodí do odpadového koša.](../../../../../translated_images/sk/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ak je detekovaná červená paradajka, pokračuje vo svojej ceste bez prerušenia. Ak je detekovaná zelená paradajka, páka ju odhodí do odpadového koša.](../../../../../translated_images/sk/optical-tomato-sorting.61aa134bdda4e5b1.webp) Ďalšou evolúciou bolo použitie strojov na triedenie, buď zabudovaných do zberača, alebo v spracovateľských závodoch. Prvá generácia týchto strojov používala optické senzory na detekciu farieb, ovládajúc akčné členy na odhadzovanie zelených paradajok do odpadového koša pomocou pák alebo vzduchových prúdov, pričom červené paradajky pokračovali na sieti dopravníkov. @@ -62,7 +62,7 @@ Napríklad, môžete dať modelu milióny obrázkov nezrelých banánov ako vstu > 🎓 Výsledky modelov ML sa nazývajú *predikcie*. -![2 banány, jeden zrelý s predikciou 99,7% zrelý, 0,3% nezrelý, a jeden nezrelý s predikciou 1,4% zrelý, 98,6% nezrelý.](../../../../../translated_images/sk/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banány, jeden zrelý s predikciou 99,7% zrelý, 0,3% nezrelý, a jeden nezrelý s predikciou 1,4% zrelý, 98,6% nezrelý.](../../../../../translated_images/sk/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) Modely ML neposkytujú binárnu odpoveď, namiesto toho poskytujú pravdepodobnosti. Napríklad, model môže dostať obrázok banánu a predpovedať `zrelý` na 99,7% a `nezrelý` na 0,3%. Váš kód by potom vybral najlepšiu predikciu a rozhodol, že banán je zrelý. @@ -90,7 +90,7 @@ Existuje široká škála nástrojov, ktoré vám s tým môžu pomôcť, vráta Custom Vision je cloudový nástroj na trénovanie klasifikátorov obrázkov. Umožňuje vám trénovať klasifikátor pomocou iba malej sady obrázkov. Obrázky môžete nahrať cez webový portál, webové API alebo SDK, pričom každému obrázku priradíte *tag*, ktorý predstavuje klasifikáciu daného obrázka. Potom model natrénujete a otestujete, ako dobre funguje. Keď ste s modelom spokojní, môžete publikovať jeho verzie, ktoré môžu byť prístupné prostredníctvom webového API alebo SDK. -![Logo Azure Custom Vision](../../../../../translated_images/sk/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Logo Azure Custom Vision](../../../../../translated_images/sk/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Na trénovanie modelu Custom Vision stačí už 5 obrázkov na klasifikáciu, ale viac je lepšie. Lepšie výsledky dosiahnete s aspoň 30 obrázkami. @@ -146,7 +146,7 @@ Na použitie Custom Vision musíte najprv vytvoriť dva zdroje kognitívnych slu Pri vytváraní projektu sa uistite, že používate zdroj `fruit-quality-detector-training`, ktorý ste vytvorili skôr. Použite typ projektu *Classification*, typ klasifikácie *Multiclass* a doménu *Food*. - ![Nastavenia projektu Custom Vision s názvom nastaveným na fruit-quality-detector, bez popisu, zdroj nastavený na fruit-quality-detector-training, typ projektu nastavený na classification, typ klasifikácie nastavený na multi class a doména nastavená na food.](../../../../../translated_images/sk/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Nastavenia projektu Custom Vision s názvom nastaveným na fruit-quality-detector, bez popisu, zdroj nastavený na fruit-quality-detector-training, typ projektu nastavený na classification, typ klasifikácie nastavený na multi class a doména nastavená na food.](../../../../../translated_images/sk/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Venujte nejaký čas preskúmaniu používateľského rozhrania Custom Vision pre váš klasifikátor obrázkov. @@ -164,7 +164,7 @@ Klasifikátory obrázkov pracujú s veľmi nízkym rozlíšením. Napríklad Cus * Použite 2 zrelé banány, odfoťte každý z nich z niekoľkých rôznych uhlov, pričom urobte aspoň 7 fotografií (5 na tréning, 2 na testovanie), ale ideálne viac. - ![Fotografie 2 rôznych banánov](../../../../../translated_images/sk/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Fotografie 2 rôznych banánov](../../../../../translated_images/sk/banana-training-images.530eb203346d73bc.webp) * Rovnaký postup zopakujte s 2 nezrelými banánmi. @@ -174,7 +174,7 @@ Klasifikátory obrázkov pracujú s veľmi nízkym rozlíšením. Napríklad Cus 1. Postupujte podľa [časti o nahrávaní a označovaní obrázkov v rýchlom návode na vytvorenie klasifikátora na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), aby ste nahrali svoje tréningové obrázky. Označte zrelé ovocie ako `ripe` a nezrelé ovocie ako `unripe`. - ![Dialógy na nahrávanie zobrazujúce nahrávanie obrázkov zrelých a nezrelých banánov](../../../../../translated_images/sk/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dialógy na nahrávanie zobrazujúce nahrávanie obrázkov zrelých a nezrelých banánov](../../../../../translated_images/sk/image-upload-bananas.0751639f3815e0ec.webp) 1. Postupujte podľa [časti o tréningu klasifikátora v rýchlom návode na vytvorenie klasifikátora na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier), aby ste natrénovali klasifikátor obrázkov na nahraných obrázkoch. @@ -192,7 +192,7 @@ Keď je váš klasifikátor natrénovaný, môžete ho otestovať pomocou novéh 1. Postupujte podľa [dokumentácie na testovanie modelu na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), aby ste otestovali svoj klasifikátor obrázkov. Použite testovacie obrázky, ktoré ste vytvorili skôr, nie obrázky použité na tréning. - ![Nezrelý banán predpovedaný ako nezrelý s pravdepodobnosťou 98,9 %, zrelý s pravdepodobnosťou 1,1 %](../../../../../translated_images/sk/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Nezrelý banán predpovedaný ako nezrelý s pravdepodobnosťou 98,9 %, zrelý s pravdepodobnosťou 1,1 %](../../../../../translated_images/sk/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Vyskúšajte všetky testovacie obrázky, ktoré máte k dispozícii, a sledujte pravdepodobnosti. diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/README.md index e11425301..417051589 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Skontrolujte kvalitu ovocia pomocou IoT zariadenia -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-16.215daf18b00631fb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre jeho zväčšenú verziu. @@ -26,7 +26,7 @@ V tejto lekcii sa budeme venovať: Kamerové senzory, ako už názov napovedá, sú kamery, ktoré môžete pripojiť k vášmu IoT zariadeniu. Môžu zachytávať statické obrázky alebo streamovať video. Niektoré vracajú surové obrazové dáta, iné komprimujú obrazové dáta do súborov ako JPEG alebo PNG. Kamery, ktoré pracujú s IoT zariadeniami, sú zvyčajne oveľa menšie a majú nižšie rozlíšenie, než na aké ste zvyknutí, ale môžete získať aj kamery s vysokým rozlíšením, ktoré sa vyrovnajú špičkovým telefónom. K dispozícii sú rôzne vymeniteľné objektívy, viacnásobné kamerové zostavy, infračervené termokamery alebo UV kamery. -![Svetlo zo scény prechádza cez objektív a zaostruje sa na CMOS senzor](../../../../../translated_images/sk/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Svetlo zo scény prechádza cez objektív a zaostruje sa na CMOS senzor](../../../../../translated_images/sk/cmos-sensor.75f9cd74decb1371.webp) Väčšina kamerových senzorov používa obrazové senzory, kde každý pixel je fotodióda. Objektív zaostruje obraz na obrazový senzor a tisíce alebo milióny fotodiód detegujú svetlo dopadajúce na každú z nich a zaznamenávajú to ako obrazové dáta. @@ -74,7 +74,7 @@ Iterácie sa publikujú z portálu Custom Vision. 1. Kliknite na tlačidlo **Publikovať** pre danú iteráciu. - ![Tlačidlo publikovať](../../../../../translated_images/sk/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Tlačidlo publikovať](../../../../../translated_images/sk/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. V dialógovom okne *Publikovať model* nastavte *Predikčný zdroj* na zdroj `fruit-quality-detector-prediction`, ktorý ste vytvorili v predchádzajúcej lekcii. Nechajte názov ako `Iteration2` a kliknite na tlačidlo **Publikovať**. @@ -88,7 +88,7 @@ Iterácie sa publikujú z portálu Custom Vision. Tiež si skopírujte hodnotu *Prediction-Key*. Toto je bezpečnostný kľúč, ktorý musíte odoslať pri volaní modelu. Len aplikácie, ktoré odosielajú tento kľúč, môžu model používať, všetky ostatné aplikácie budú odmietnuté. - ![Dialógové okno predikčného API zobrazujúce URL a kľúč](../../../../../translated_images/sk/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialógové okno predikčného API zobrazujúce URL a kľúč](../../../../../translated_images/sk/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Keď sa publikuje nová iterácia, bude mať iný názov. Ako si myslíte, že by ste zmenili iteráciu, ktorú používa IoT zariadenie? @@ -109,7 +109,7 @@ Môže sa stať, že výsledky, ktoré získate pri použití kamery pripojenej Aby ste dosiahli čo najlepšie výsledky pre klasifikátor obrázkov, chcete model trénovať s obrázkami, ktoré sú čo najpodobnejšie obrázkom použitým na predikcie. Ak ste napríklad použili kameru telefónu na zachytenie obrázkov na tréning, kvalita obrázkov, ostrosť a farby budú odlišné od kamery pripojenej k IoT zariadeniu. -![2 obrázky banánov, jeden s nízkym rozlíšením a zlým osvetlením z IoT zariadenia, druhý s vysokým rozlíšením a dobrým osvetlením z telefónu](../../../../../translated_images/sk/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 obrázky banánov, jeden s nízkym rozlíšením a zlým osvetlením z IoT zariadenia, druhý s vysokým rozlíšením a dobrým osvetlením z telefónu](../../../../../translated_images/sk/banana-picture-compare.174df164dc326a42.webp) Na obrázku vyššie bol obrázok banánu naľavo zachytený pomocou kamery Raspberry Pi, zatiaľ čo obrázok napravo bol zachytený toho istého banánu na tom istom mieste pomocou iPhonu. Je viditeľný rozdiel v kvalite – obrázok z iPhonu je ostrejší, s jasnejšími farbami a väčším kontrastom. diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index f70408c74..8849d940a 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Kamera sa môže pripojiť k Raspberry Pi pomocou plochého kábla. ### Úloha - pripojenie kamery -![Kamera Raspberry Pi](../../../../../translated_images/sk/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Kamera Raspberry Pi](../../../../../translated_images/sk/pi-camera-module.4278753c31bd6e75.webp) 1. Vypnite Pi. @@ -24,17 +24,17 @@ Kamera sa môže pripojiť k Raspberry Pi pomocou plochého kábla. Animáciu, ktorá ukazuje, ako otvoriť klip a zasunúť kábel, nájdete v [dokumentácii Raspberry Pi Začíname s kamerovým modulom](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Plochý kábel zasunutý do kamerového modulu](../../../../../translated_images/sk/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Plochý kábel zasunutý do kamerového modulu](../../../../../translated_images/sk/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Odstráňte Grove Base Hat z Pi. 1. Prevlečte plochý kábel cez otvor pre kameru v Grove Base Hat. Uistite sa, že modrá strana kábla smeruje k analógovým portom označeným **A0**, **A1** atď. - ![Plochý kábel prechádzajúci cez Grove Base Hat](../../../../../translated_images/sk/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Plochý kábel prechádzajúci cez Grove Base Hat](../../../../../translated_images/sk/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Zasuňte plochý kábel do kamerového portu na Pi. Opäť potiahnite čierny plastový klip nahor, zasuňte kábel a zatlačte klip späť. Modrá strana kábla by mala smerovať k USB a ethernetovým portom. - ![Plochý kábel pripojený k kamerovému portu na Pi](../../../../../translated_images/sk/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Plochý kábel pripojený k kamerovému portu na Pi](../../../../../translated_images/sk/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Znovu pripevnite Grove Base Hat. @@ -101,7 +101,7 @@ Napíšte program pre zariadenie. Riadok `camera.rotation = 0` nastavuje rotáciu obrázku. Plochý kábel vstupuje do spodnej časti kamery, ale ak bola vaša kamera otočená, aby lepšie smerovala na objekt, ktorý chcete klasifikovať, môžete tento riadok zmeniť na počet stupňov rotácie. - ![Kamera zavesená nad plechovkou nápoja](../../../../../translated_images/sk/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Kamera zavesená nad plechovkou nápoja](../../../../../translated_images/sk/pi-camera-upside-down.5376961ba3145988.webp) Napríklad, ak zavesíte plochý kábel nad niečo tak, že je na vrchu kamery, nastavte rotáciu na 180: diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 07d69ae8c..3804c8605 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Služba Custom Vision má Python SDK, ktoré môžete použiť na klasifikáciu Budete môcť vidieť obrázok, ktorý bol zachytený, a tieto hodnoty na karte **Predictions** v službe Custom Vision. - ![Banán v službe Custom Vision predikovaný ako zrelý na 56,8 % a nezrelý na 43,1 %](../../../../../translated_images/sk/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banán v službe Custom Vision predikovaný ako zrelý na 56,8 % a nezrelý na 43,1 %](../../../../../translated_images/sk/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Tento kód nájdete v priečinku [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) alebo [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 77fa5ab00..ab62e9879 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Pridajte kameru do aplikácie CounterFit. 1. Vyberte tlačidlo **Add**, aby ste vytvorili kameru. - ![Nastavenia kamery](../../../../../translated_images/sk/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Nastavenia kamery](../../../../../translated_images/sk/counterfit-create-camera.a5de97f59c0bd3cb.webp) Kamera bude vytvorená a zobrazí sa v zozname senzorov. - ![Vytvorená kamera](../../../../../translated_images/sk/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Vytvorená kamera](../../../../../translated_images/sk/counterfit-camera.001ec52194c8ee5d.webp) ## Naprogramovanie kamery @@ -103,7 +103,7 @@ Naprogramujte zariadenie. 1. Nastavte obrázok, ktorý kamera v CounterFit zachytí. Môžete nastaviť *Source* na *File* a nahrať obrázkový súbor, alebo nastaviť *Source* na *WebCam*, a obrázky budú zachytávané z vašej webkamery. Uistite sa, že po výbere obrázku alebo webkamery stlačíte tlačidlo **Set**. - ![CounterFit s nastaveným súborom ako zdrojom obrázku a webkamerou zobrazujúcou osobu držiacu banán v náhľade webkamery](../../../../../translated_images/sk/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit s nastaveným súborom ako zdrojom obrázku a webkamerou zobrazujúcou osobu držiacu banán v náhľade webkamery](../../../../../translated_images/sk/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Obrázok bude zachytený a uložený ako `image.jpg` v aktuálnom priečinku. Tento súbor uvidíte v prieskumníkovi VS Code. Vyberte súbor, aby ste si obrázok prezreli. Ak je potrebné rotovať, aktualizujte riadok `camera.rotation = 0` podľa potreby a urobte ďalší obrázok. diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 5d928c86f..71f98c759 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam nemá Grove konektor, namiesto toho sa pripája k SPI a I2C zberniciam c Pripojte kameru. -![Senzor ArduCam](../../../../../translated_images/sk/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Senzor ArduCam](../../../../../translated_images/sk/arducam.20e4e4cbb2682965.webp) 1. Piny na spodnej strane ArduCam musia byť pripojené k GPIO pinom na Wio Terminale. Aby ste ľahšie našli správne piny, pripevnite nálepku s označením GPIO pinov, ktorá je súčasťou Wio Terminalu, okolo pinov: @@ -35,7 +35,7 @@ Pripojte kameru. | SDA | 3 (I2C1_SDA) | I2C Sériové Dáta | | SCL | 5 (I2C1_SCL) | I2C Sériový Hodinový Signál | - ![Wio Terminal pripojený k ArduCam pomocou prepojovacích káblov](../../../../../translated_images/sk/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal pripojený k ArduCam pomocou prepojovacích káblov](../../../../../translated_images/sk/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Pripojenia GND a VCC poskytujú 5V napájanie pre ArduCam. Kamera funguje na 5V, na rozdiel od Grove senzorov, ktoré fungujú na 3V. Toto napájanie pochádza priamo z USB-C pripojenia, ktoré napája zariadenie. @@ -456,7 +456,7 @@ Wio Terminal podporuje iba microSD karty s kapacitou do 16 GB. Ak máte väčši 1. Vypnite microSD kartu a vysuňte ju jemným zatlačením a uvoľnením, čím sa vysunie. Možno budete musieť použiť tenký nástroj. Pripojte microSD kartu k vášmu počítaču, aby ste si mohli pozrieť obrázky. - ![Obrázok banánu zachytený pomocou ArduCam](../../../../../translated_images/sk/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Obrázok banánu zachytený pomocou ArduCam](../../../../../translated_images/sk/banana-arducam.be1b32d4267a8194.webp) 💁 Môže to trvať niekoľko snímok, kým sa vyváženie bielej farby na kamere samo nastaví. Všimnete si to na základe farby zachytených snímok, prvé môžu vyzerať farebne nesprávne. Toto môžete vždy obísť zmenou kódu tak, aby zachytil niekoľko snímok, ktoré sa ignorujú vo funkcii `setup`. diff --git a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index b3ecfae5c..fafa90405 100644 --- a/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/sk/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Tieto certifikáty obsahujú verejné kľúče a nemusia byť uchovávané v bez Budete môcť vidieť obrázok, ktorý bol zachytený, a tieto hodnoty na karte **Predictions** v službe Custom Vision. - ![Banán v službe Custom Vision predikovaný ako zrelý na 56.8% a nezrelý na 43.1%](../../../../../translated_images/sk/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banán v službe Custom Vision predikovaný ako zrelý na 56.8% a nezrelý na 43.1%](../../../../../translated_images/sk/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Tento kód nájdete v priečinku [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/sk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/sk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 8ac4bc98a..c281d58c2 100644 --- a/translations/sk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/sk/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Spustite svoj detektor ovocia na okraji siete -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-17.bc333c3c35ba8e42.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -33,11 +33,11 @@ V tejto lekcii pokryjeme: Edge computing zahŕňa spracovanie údajov z IoT zariadení čo najbližšie k miestu, kde sú tieto údaje generované. Namiesto spracovania v cloude sa presúva na okraj cloudu – do vašej internej siete. -![Architektonický diagram zobrazujúci internetové služby v cloude a IoT zariadenia v lokálnej sieti](../../../../../translated_images/sk/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Architektonický diagram zobrazujúci internetové služby v cloude a IoT zariadenia v lokálnej sieti](../../../../../translated_images/sk/cloud-without-edge.b4da641f6022c95e.webp) V doterajších lekciách ste mali zariadenia, ktoré zhromažďovali údaje a posielali ich do cloudu na analýzu, pričom v cloude bežali serverless funkcie alebo AI modely. -![Architektonický diagram zobrazujúci IoT zariadenia v lokálnej sieti pripojené k edge zariadeniam, ktoré sú pripojené k cloudu](../../../../../translated_images/sk/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Architektonický diagram zobrazujúci IoT zariadenia v lokálnej sieti pripojené k edge zariadeniam, ktoré sú pripojené k cloudu](../../../../../translated_images/sk/cloud-with-edge.1e26462c62c126fe.webp) Edge computing zahŕňa presun niektorých cloudových služieb z cloudu na počítače, ktoré bežia v rovnakej sieti ako IoT zariadenia, pričom komunikácia s cloudom prebieha len v prípade potreby. Napríklad môžete spúšťať AI modely na edge zariadeniach na analýzu zrelosti ovocia a do cloudu posielať len analytické údaje, ako je počet zrelých a nezrelých kusov ovocia. @@ -85,7 +85,7 @@ Pre IoT systémy často budete chcieť kombináciu cloudového a edge computingu ## Azure IoT Edge -![Logo Azure IoT Edge](../../../../../translated_images/sk/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Logo Azure IoT Edge](../../../../../translated_images/sk/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge je služba, ktorá vám môže pomôcť presunúť pracovné zaťaženia z cloudu na okraj siete. Nastavíte zariadenie ako edge zariadenie a z cloudu môžete na toto edge zariadenie nasadiť kód. To vám umožňuje kombinovať schopnosti cloudu a okraja siete. @@ -99,7 +99,7 @@ IoT Edge je zabudovaný do IoT Hub, takže môžete spravovať edge zariadenia p IoT Edge spúšťa kód z *kontajnerov* – samostatných aplikácií, ktoré bežia izolovane od zvyšku aplikácií na vašom počítači. Keď spustíte kontajner, správa sa ako samostatný počítač bežiaci vo vašom počítači, s vlastným softvérom, službami a aplikáciami. Väčšinu času kontajnery nemajú prístup k ničomu na vašom počítači, pokiaľ sa nerozhodnete zdieľať napríklad priečinok s kontajnerom. Kontajner potom poskytuje služby cez otvorený port, ku ktorému sa môžete pripojiť alebo ho sprístupniť vo vašej sieti. -![Webová požiadavka presmerovaná do kontajnera](../../../../../translated_images/sk/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Webová požiadavka presmerovaná do kontajnera](../../../../../translated_images/sk/container-web-browser.4ee81dd4f0d8838c.webp) Napríklad môžete mať kontajner s webovou stránkou bežiacou na porte 80, čo je predvolený HTTP port, a môžete ho potom sprístupniť z vášho počítača tiež na porte 80. @@ -194,11 +194,11 @@ Keď je model natrénovaný, je potrebné ho exportovať ako kontajner. ## Pripravte svoj kontajner na nasadenie -![Kontajnery sa vytvoria, potom sa nahrajú do kontajnerového registra a následne sa nasadia z registra na edge zariadenie pomocou IoT Edge](../../../../../translated_images/sk/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Kontajnery sa vytvoria, potom sa nahrajú do kontajnerového registra a následne sa nasadia z registra na edge zariadenie pomocou IoT Edge](../../../../../translated_images/sk/container-edge-flow.c246050dd60ceefd.webp) Keď ste stiahli svoj model, je potrebné ho zostaviť do kontajnera a nahrať do kontajnerového registra - online miesta, kde môžete ukladať kontajnery. IoT Edge potom môže stiahnuť kontajner z registra a nasadiť ho na vaše zariadenie. -![Logo Azure Container Registry](../../../../../translated_images/sk/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Logo Azure Container Registry](../../../../../translated_images/sk/azure-container-registry-logo.09494206991d4b29.webp) Kontajnerový register, ktorý budete používať v tejto lekcii, je Azure Container Registry. Nie je to bezplatná služba, takže aby ste ušetrili peniaze, uistite sa, že [vyčistíte svoj projekt](../../../clean-up.md), keď skončíte. diff --git a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index c4047d4a1..9cb17d742 100644 --- a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Spustenie detekcie kvality ovocia zo senzora -![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-18.92c32ed1d354caa5.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -39,7 +39,7 @@ IoT aplikácie môžeme opísať ako *zariadenia* (things), ktoré posielajú d ### Referenčná IoT architektúra -![Referenčná IoT architektúra](../../../../../translated_images/sk/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Referenčná IoT architektúra](../../../../../translated_images/sk/iot-reference-architecture.2278b98b55c6d4e8.webp) Vyššie uvedený diagram zobrazuje referenčnú IoT architektúru. @@ -49,7 +49,7 @@ Vyššie uvedený diagram zobrazuje referenčnú IoT architektúru. * **Poznatky** pochádzajú zo serverless aplikácií alebo z analýz uložených dát. * **Akcie** môžu byť príkazy poslané zariadeniam alebo vizualizácia dát, ktorá umožňuje ľuďom robiť rozhodnutia. -![Referenčná IoT architektúra](../../../../../translated_images/sk/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Referenčná IoT architektúra](../../../../../translated_images/sk/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Vyššie uvedený diagram zobrazuje niektoré komponenty a služby, ktoré sme doteraz pokryli v týchto lekciách, a ako sa spájajú v referenčnej IoT architektúre. @@ -89,7 +89,7 @@ Musíte vybudovať systém, kde sa ovocie deteguje, keď dorazí na dopravníkov ### Prototypovanie aplikácie -![Referenčná IoT architektúra pre kontrolu kvality ovocia](../../../../../translated_images/sk/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Referenčná IoT architektúra pre kontrolu kvality ovocia](../../../../../translated_images/sk/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Vyššie uvedený diagram zobrazuje referenčnú architektúru pre túto prototypovú aplikáciu. @@ -124,7 +124,7 @@ Prejdite si relevantnú príručku na použitie proximity senzora na detekciu ob Prototyp detektora ovocia má viacero komponentov, ktoré medzi sebou komunikujú. -![Komponenty komunikujúce medzi sebou](../../../../../translated_images/sk/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Komponenty komunikujúce medzi sebou](../../../../../translated_images/sk/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Proximity senzor meria vzdialenosť k ovociu a posiela ju do IoT Hub * Príkaz na ovládanie fotoaparátu prichádza z IoT Hub do zariadenia s fotoaparátom diff --git a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index f1abe1fa5..0b42ba8e5 100644 --- a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Senzor Grove Time of Flight je možné pripojiť k Raspberry Pi. Pripojte senzor Time of Flight. -![Senzor Grove Time of Flight](../../../../../translated_images/sk/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Senzor Grove Time of Flight](../../../../../translated_images/sk/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na senzore Time of Flight. Kábel sa dá zasunúť iba jedným spôsobom. diff --git a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index e2d781102..dd1621e08 100644 --- a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Pridajte senzor vzdialenosti do aplikácie CounterFit. 1. Kliknite na tlačidlo **Add**, aby ste vytvorili senzor vzdialenosti. - ![Nastavenia senzora vzdialenosti](../../../../../translated_images/sk/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Nastavenia senzora vzdialenosti](../../../../../translated_images/sk/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Senzor vzdialenosti bude vytvorený a zobrazí sa v zozname senzorov. - ![Vytvorený senzor vzdialenosti](../../../../../translated_images/sk/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Vytvorený senzor vzdialenosti](../../../../../translated_images/sk/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Programovanie senzora vzdialenosti diff --git a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index d60faa789..5077e5e9d 100644 --- a/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/sk/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove Time of Flight senzor je možné pripojiť k Wio Terminalu. Pripojte senzor Time of Flight. -![Grove Time of Flight senzor](../../../../../translated_images/sk/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove Time of Flight senzor](../../../../../translated_images/sk/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Zasuňte jeden koniec Grove kábla do konektora na senzore Time of Flight. Kábel sa dá zasunúť iba jedným spôsobom. diff --git a/translations/sk/5-retail/lessons/1-train-stock-detector/README.md b/translations/sk/5-retail/lessons/1-train-stock-detector/README.md index 832e05b07..e7a1049ab 100644 --- a/translations/sk/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/sk/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Trénovanie detektora zásob -![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Prehľad tejto lekcie v sketchnote](../../../../../translated_images/sk/lesson-19.cf6973cecadf080c.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -36,7 +36,7 @@ Detekcia objektov zahŕňa rozpoznávanie objektov na obrázkoch pomocou AI. Na Klasifikácia obrázkov sa zameriava na klasifikáciu celého obrázka – aké sú pravdepodobnosti, že celý obrázok zodpovedá každej značke. Výsledkom sú pravdepodobnosti pre každú značku použitú na trénovanie modelu. -![Klasifikácia obrázkov kešu orechov a paradajkového pretlaku](../../../../../translated_images/sk/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Klasifikácia obrázkov kešu orechov a paradajkového pretlaku](../../../../../translated_images/sk/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) V príklade vyššie sú dva obrázky klasifikované pomocou modelu trénovaného na klasifikáciu nádobiek s kešu orechmi alebo konzerv paradajkového pretlaku. Prvý obrázok je nádobka s kešu orechmi a má dva výsledky z klasifikátora obrázkov: @@ -60,7 +60,7 @@ Keď ho potom použijete na predpovedanie obrázkov, namiesto zoznamu značiek a > 🎓 *Ohraničujúce rámčeky* sú rámčeky okolo objektu. -![Detekcia objektov kešu orechov a paradajkového pretlaku](../../../../../translated_images/sk/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Detekcia objektov kešu orechov a paradajkového pretlaku](../../../../../translated_images/sk/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Obrázok vyššie obsahuje nádobku s kešu orechmi a tri konzervy paradajkového pretlaku. Detektor objektov detegoval kešu orechy, pričom vrátil ohraničujúci rámček, ktorý obsahuje kešu orechy, s percentuálnou pravdepodobnosťou, že rámček obsahuje objekt, v tomto prípade 97,6%. Detektor objektov tiež detegoval tri konzervy paradajkového pretlaku a poskytuje tri samostatné ohraničujúce rámčeky, jeden pre každú detegovanú konzervu, pričom každý má percentuálnu pravdepodobnosť, že rámček obsahuje konzervu paradajkového pretlaku. @@ -111,7 +111,7 @@ Detektor objektov môžete trénovať pomocou služby Custom Vision, podobne ako Pri vytváraní projektu sa uistite, že používate zdroj `stock-detector-training`, ktorý ste vytvorili skôr. Použite typ projektu *Object Detection* a doménu *Products on Shelves*. - ![Nastavenia projektu Custom Vision s názvom nastaveným na fruit-quality-detector, bez popisu, zdroj nastavený na fruit-quality-detector-training, typ projektu nastavený na klasifikáciu, typy klasifikácie nastavené na multi class a domény nastavené na food](../../../../../translated_images/sk/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Nastavenia projektu Custom Vision s názvom nastaveným na fruit-quality-detector, bez popisu, zdroj nastavený na fruit-quality-detector-training, typ projektu nastavený na klasifikáciu, typy klasifikácie nastavené na multi class a domény nastavené na food](../../../../../translated_images/sk/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Doména *Products on Shelves* je špecificky zameraná na detekciu zásob na regáloch v obchodoch. Prečítajte si viac o rôznych doménach v [dokumentácii o výbere domény na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection). @@ -133,11 +133,11 @@ Na trénovanie vášho modelu budete potrebovať sadu obrázkov obsahujúcich ob 1. Postupujte podľa [časti Nahrať a označiť obrázky v rýchlom štarte na vytvorenie detektora objektov v dokumentácii Microsoftu](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), aby ste nahrali svoje trénovacie obrázky. Vytvorte relevantné značky v závislosti od typov objektov, ktoré chcete detegovať. - ![Dialógy nahrávania zobrazujúce nahrávanie obrázkov zrelých a nezrelých banánov](../../../../../translated_images/sk/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Dialógy nahrávania zobrazujúce nahrávanie obrázkov zrelých a nezrelých banánov](../../../../../translated_images/sk/image-upload-object-detector.77c7892c3093cb59.webp) Keď kreslíte ohraničujúce rámčeky pre objekty, udržujte ich pekne tesné okolo objektu. Môže to chvíľu trvať, kým označíte všetky obrázky, ale nástroj deteguje, čo považuje za ohraničujúce rámčeky, čo proces urýchli. - ![Označovanie paradajkového pretlaku](../../../../../translated_images/sk/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Označovanie paradajkového pretlaku](../../../../../translated_images/sk/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ak máte viac ako 15 obrázkov pre každý objekt, môžete trénovať po 15 a potom použiť funkciu **Suggested tags**. Táto funkcia použije trénovaný model na detekciu objektov na neoznačených obrázkoch. Potom môžete potvrdiť detegované objekty alebo ich odmietnuť a prekresliť ohraničujúce rámčeky. To môže ušetriť *veľa* času. @@ -155,7 +155,7 @@ Keď je váš detektor objektov natrénovaný, môžete ho otestovať tak, že m 1. Použite tlačidlo **Quick Test** na nahranie testovacích obrázkov a overenie, či sú objekty detegované. Použite testovacie obrázky, ktoré ste vytvorili skôr, nie žiadne z obrázkov, ktoré ste použili na trénovanie. - ![Detegované 3 konzervy paradajkového pretlaku s pravdepodobnosťami 38%, 35,5% a 34,6%](../../../../../translated_images/sk/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![Detegované 3 konzervy paradajkového pretlaku s pravdepodobnosťami 38%, 35,5% a 34,6%](../../../../../translated_images/sk/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Vyskúšajte všetky testovacie obrázky, ku ktorým máte prístup, a pozorujte pravdepodobnosti. diff --git a/translations/sk/5-retail/lessons/2-check-stock-device/README.md b/translations/sk/5-retail/lessons/2-check-stock-device/README.md index f64f70a86..ca6800c21 100644 --- a/translations/sk/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/sk/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Skontrolujte zásoby pomocou IoT zariadenia -![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Prehľad lekcie v sketchnote](../../../../../translated_images/sk/lesson-20.0211df9551a8abb3.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -62,7 +62,7 @@ Iterácie sa publikujú z portálu Custom Vision. 1. Kliknite na tlačidlo **Publish** pre danú iteráciu. - ![Tlačidlo publikovania](../../../../../translated_images/sk/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Tlačidlo publikovania](../../../../../translated_images/sk/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. V dialógovom okne *Publish Model* nastavte *Prediction resource* na zdroj `stock-detector-prediction`, ktorý ste vytvorili v poslednej lekcii. Názov ponechajte ako `Iteration2` a kliknite na tlačidlo **Publish**. @@ -76,7 +76,7 @@ Iterácie sa publikujú z portálu Custom Vision. Tiež si skopírujte hodnotu *Prediction-Key*. Toto je bezpečnostný kľúč, ktorý musíte odoslať pri volaní modelu. Iba aplikácie, ktoré odosielajú tento kľúč, môžu používať model, všetky ostatné aplikácie sú odmietnuté. - ![Dialógové okno predikčného API zobrazujúce URL a kľúč](../../../../../translated_images/sk/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialógové okno predikčného API zobrazujúce URL a kľúč](../../../../../translated_images/sk/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Keď je publikovaná nová iterácia, bude mať iný názov. Ako si myslíte, že by ste zmenili iteráciu, ktorú IoT zariadenie používa? @@ -95,7 +95,7 @@ Keď používate detektor objektov, nielenže získate späť detekované objekt Výsledky predikcie na karte **Predictions** v Custom Vision majú ohraničujúce boxy nakreslené na obrázku, ktorý bol odoslaný na predikciu. -![4 plechovky paradajkového pretlaku na poličke s predikciami pre 4 detekcie s pravdepodobnosťami 35.8%, 33.5%, 25.7% a 16.6%](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 plechovky paradajkového pretlaku na poličke s predikciami pre 4 detekcie s pravdepodobnosťami 35.8%, 33.5%, 25.7% a 16.6%](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca341.webp) Na obrázku vyššie boli detekované 4 plechovky paradajkového pretlaku. Vo výsledkoch je na každom detekovanom objekte nakreslený červený štvorec, ktorý označuje ohraničujúci box pre obrázok. @@ -103,7 +103,7 @@ Na obrázku vyššie boli detekované 4 plechovky paradajkového pretlaku. Vo v Ohraničujúce boxy sú definované pomocou 4 hodnôt - top, left, height a width. Tieto hodnoty sú na škále od 0 do 1, reprezentujúce pozície ako percento veľkosti obrázka. Pôvod (pozícia 0,0) je v ľavom hornom rohu obrázka, takže hodnota top je vzdialenosť od vrchu a spodná časť ohraničujúceho boxu je top plus height. -![Ohraničujúci box okolo plechovky paradajkového pretlaku](../../../../../translated_images/sk/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Ohraničujúci box okolo plechovky paradajkového pretlaku](../../../../../translated_images/sk/bounding-box.1420a7ea0d3d15f7.webp) Obrázok vyššie má šírku 600 pixelov a výšku 800 pixelov. Ohraničujúci box začína 320 pixelov dole, čo dáva hodnotu top 0.4 (800 x 0.4 = 320). Zľava začína ohraničujúci box 240 pixelov, čo dáva hodnotu left 0.4 (600 x 0.4 = 240). Výška ohraničujúceho boxu je 240 pixelov, čo dáva hodnotu height 0.3 (800 x 0.3 = 240). Šírka ohraničujúceho boxu je 120 pixelov, čo dáva hodnotu width 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Použitie percentuálnych hodnôt od 0 do 1 znamená, že bez ohľadu na to, na Môžete použiť ohraničujúce boxy v kombinácii s pravdepodobnosťami na vyhodnotenie, aká presná je detekcia. Napríklad detektor objektov môže detekovať viacero objektov, ktoré sa prekrývajú, napríklad detekciu jednej plechovky vo vnútri druhej. Váš kód by mohol skontrolovať ohraničujúce boxy, pochopiť, že to nie je možné, a ignorovať akékoľvek objekty, ktoré majú významný prekrýv s inými objektmi. -![Dva ohraničujúce boxy prekrývajúce plechovku paradajkového pretlaku](../../../../../translated_images/sk/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Dva ohraničujúce boxy prekrývajúce plechovku paradajkového pretlaku](../../../../../translated_images/sk/overlap-object-detection.d431e03cae75072a.webp) V príklade vyššie jeden ohraničujúci box označuje predikovanú plechovku paradajkového pretlaku s pravdepodobnosťou 78.3%. Druhý ohraničujúci box je o niečo menší a je vo vnútri prvého boxu s pravdepodobnosťou 64.3%. Váš kód môže skontrolovať ohraničujúce boxy, vidieť, že sa úplne prekrývajú, a ignorovať nižšiu pravdepodobnosť, pretože nie je možné, aby jedna plechovka bola vo vnútri druhej. diff --git a/translations/sk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/sk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index f0271216a..21770b024 100644 --- a/translations/sk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/sk/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Kód, ktorý ste použili na klasifikáciu obrázkov, je veľmi podobný kódu n Budete môcť vidieť obrázok, ktorý bol zachytený, a tieto hodnoty na karte **Predictions** v Custom Vision. - ![4 plechovky paradajkového pretlaku na poličke s predpoveďami pre 4 detekcie: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 plechovky paradajkového pretlaku na poličke s predpoveďami pre 4 detekcie: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Tento kód nájdete v priečinku [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) alebo [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/sk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/sk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 555709f8a..109080ea4 100644 --- a/translations/sk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/sk/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Kód, ktorý ste použili na klasifikáciu obrázkov, je veľmi podobný kódu n Budete môcť vidieť obrázok, ktorý bol zachytený, a tieto hodnoty na karte **Predictions** v Custom Vision. - ![4 plechovky paradajkového pretlaku na poličke s predikciami pre 4 detekcie: 35.8%, 33.5%, 25.7% a 16.6%](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 plechovky paradajkového pretlaku na poličke s predikciami pre 4 detekcie: 35.8%, 33.5%, 25.7% a 16.6%](../../../../../translated_images/sk/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Tento kód nájdete v priečinku [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/sk/6-consumer/lessons/1-speech-recognition/README.md b/translations/sk/6-consumer/lessons/1-speech-recognition/README.md index d54f20e31..9fecb414e 100644 --- a/translations/sk/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/sk/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Rozpoznávanie reči pomocou IoT zariadenia -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-21.e34de51354d6606f.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -51,7 +51,7 @@ Mikrofóny existujú v rôznych typoch: Dynamické mikrofóny nepotrebujú na svoju činnosť napájanie, elektrický signál sa vytvára výlučne z mikrofónu. - ![Patti Smith spieva do mikrofónu Shure SM58 (dynamický typ kardioid)](../../../../../translated_images/sk/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith spieva do mikrofónu Shure SM58 (dynamický typ kardioid)](../../../../../translated_images/sk/dynamic-mic.8babac890a2d80df.webp) * Páskové - Páskové mikrofóny sú podobné dynamickým mikrofónom, ale namiesto membrány majú kovovú pásku. Táto páska sa pohybuje v magnetickom poli a generuje elektrický prúd. Rovnako ako dynamické mikrofóny, páskové mikrofóny nepotrebujú napájanie na svoju činnosť. @@ -59,11 +59,11 @@ Mikrofóny existujú v rôznych typoch: * Kondenzátorové - Kondenzátorové mikrofóny majú tenkú kovovú membránu a pevný kovový zadný plát. Elektrina sa aplikuje na obe tieto časti a keď membrána vibruje, statický náboj medzi platňami sa mení a generuje signál. Kondenzátorové mikrofóny potrebujú na svoju činnosť napájanie - nazývané *Phantom power*. - ![C451B malý membránový kondenzátorový mikrofón od AKG Acoustics](../../../../../translated_images/sk/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B malý membránový kondenzátorový mikrofón od AKG Acoustics](../../../../../translated_images/sk/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Mikrofóny na báze mikroelektromechanických systémov (MEMS) sú mikrofóny na čipe. Majú tlakovo citlivú membránu vyrytú na kremíkovom čipe a fungujú podobne ako kondenzátorové mikrofóny. Tieto mikrofóny môžu byť veľmi malé a integrované do obvodov. - ![MEMS mikrofón na obvodovej doske](../../../../../translated_images/sk/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS mikrofón na obvodovej doske](../../../../../translated_images/sk/mems-microphone.80574019e1f5e4d9.webp) Na obrázku vyššie je čip označený **LEFT** MEMS mikrofón s malou membránou menšou ako milimeter. @@ -159,7 +159,7 @@ Aby ste sa vyhli zložitosti trénovania a používania modelu na detekciu aktiv ## Prevod reči na text -![Logo služieb reči](../../../../../translated_images/sk/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo služieb reči](../../../../../translated_images/sk/azure-speech-logo.a1f08c4befb0159f.webp) Rovnako ako pri klasifikácii obrázkov v predchádzajúcom projekte, existujú predpripravené AI služby, ktoré dokážu previesť reč ako zvukový súbor na text. Jednou z takýchto služieb je Speech Service, ktorá je súčasťou Cognitive Services, predpripravených AI služieb, ktoré môžete použiť vo svojich aplikáciách. diff --git a/translations/sk/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/sk/6-consumer/lessons/1-speech-recognition/pi-audio.md index 0b5ed188a..f0359f5e0 100644 --- a/translations/sk/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/sk/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Tlačidlo je možné pripojiť k základnému HAT-u Grove. #### Úloha - pripojenie tlačidla -![Tlačidlo Grove](../../../../../translated_images/sk/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Tlačidlo Grove](../../../../../translated_images/sk/grove-button.a70cfbb809a85636.webp) 1. Zasuňte jeden koniec kábla Grove do zásuvky na module tlačidla. Pôjde to iba jedným spôsobom. 1. Pri vypnutom Raspberry Pi pripojte druhý koniec kábla Grove do digitálnej zásuvky označenej **D5** na základnom HAT-e Grove pripojenom k Pi. Táto zásuvka je druhá zľava v rade zásuviek vedľa GPIO pinov. -![Tlačidlo Grove pripojené k zásuvke D5](../../../../../translated_images/sk/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Tlačidlo Grove pripojené k zásuvke D5](../../../../../translated_images/sk/pi-button.c7a1a4f55943341c.webp) ## Zachytávanie zvuku diff --git a/translations/sk/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/sk/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 8ff01d13f..d9f40d592 100644 --- a/translations/sk/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/sk/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Mikrofón a reproduktory musia byť pripojené a nakonfigurované. 1. Ak používate ReSpeaker 2-Mics Pi HAT, môžete odstrániť Grove základný HAT a potom nasadiť ReSpeaker HAT namiesto neho. - ![Raspberry Pi s ReSpeaker HAT](../../../../../translated_images/sk/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi s ReSpeaker HAT](../../../../../translated_images/sk/pi-respeaker-hat.f00fabe7dd039a93.webp) Neskôr v tejto lekcii budete potrebovať tlačidlo Grove, ale jedno je zabudované v tomto HAT, takže Grove základný HAT nie je potrebný. diff --git a/translations/sk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/sk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index d8b42bfb8..8e4d29ad5 100644 --- a/translations/sk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/sk/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Vstavaný mikrofón zachytáva analógový signál, ktorý sa konvertuje na digi ✅ Prečítajte si viac o DMA na [stránke o priamom prístupe do pamäte na Wikipédii](https://wikipedia.org/wiki/Direct_memory_access). -![Zvuk z mikrofónu prechádza do ADC a potom do DMAC. DMAC zapisuje do jedného bufferu. Keď je tento buffer plný, spracuje sa a DMAC zapisuje do druhého bufferu](../../../../../translated_images/sk/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Zvuk z mikrofónu prechádza do ADC a potom do DMAC. DMAC zapisuje do jedného bufferu. Keď je tento buffer plný, spracuje sa a DMAC zapisuje do druhého bufferu](../../../../../translated_images/sk/dmac-adc-buffers.4509aee49145c90b.webp) DMAC dokáže zachytávať zvuk z ADC v pevných intervaloch, napríklad 16 000-krát za sekundu pre zvuk pri 16 kHz. Zachytené dáta môže zapisovať do predalokovaného pamäťového bufferu, a keď je tento buffer plný, sprístupní ho vášmu kódu na spracovanie. Používanie tejto pamäte môže oneskoriť zachytávanie zvuku, ale môžete nastaviť viacero bufferov. DMAC zapisuje do bufferu 1, a keď je tento plný, upozorní váš kód na spracovanie bufferu 1, zatiaľ čo DMAC zapisuje do bufferu 2. Keď je buffer 2 plný, upozorní váš kód a vráti sa k zapisovaniu do bufferu 1. Takto, pokiaľ spracujete každý buffer rýchlejšie, než sa naplní, nestratíte žiadne dáta. diff --git a/translations/sk/6-consumer/lessons/2-language-understanding/README.md b/translations/sk/6-consumer/lessons/2-language-understanding/README.md index fca71a7b2..ded5259ee 100644 --- a/translations/sk/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/sk/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Pochopiť jazyk -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-22.6148ea28500d9e00.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -46,7 +46,7 @@ Modely na porozumenie jazyka sú AI modely, ktoré sú trénované na extrahovan ## Vytvorenie modelu na porozumenie jazyka -![Logo LUIS](../../../../../translated_images/sk/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Logo LUIS](../../../../../translated_images/sk/luis-logo.5cb4f3e88c020ee6.webp) Modely na porozumenie jazyka môžete vytvárať pomocou LUIS, služby na porozumenie jazyka od Microsoftu, ktorá je súčasťou Cognitive Services. @@ -169,7 +169,7 @@ Pokyny na používanie portálu LUIS nájdete v [dokumentácii Quickstart: Build 1. Pri zadávaní každého príkladu začne LUIS detekovať entity a podčiarkne a označí tie, ktoré nájde. - ![Príklady s podčiarknutými číslami a jednotkami času detekovanými LUIS](../../../../../translated_images/sk/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Príklady s podčiarknutými číslami a jednotkami času detekovanými LUIS](../../../../../translated_images/sk/luis-intent-examples.25716580b2d2723c.webp) ### Úloha – trénovanie a testovanie modelu diff --git a/translations/sk/6-consumer/lessons/3-spoken-feedback/README.md b/translations/sk/6-consumer/lessons/3-spoken-feedback/README.md index 241f321cd..50bb00be9 100644 --- a/translations/sk/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/sk/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Nastavte časovač a poskytnite hovorenú spätnú väzbu -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-23.f38483e1d4df4828.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. diff --git a/translations/sk/6-consumer/lessons/4-multiple-language-support/README.md b/translations/sk/6-consumer/lessons/4-multiple-language-support/README.md index ca139444d..4c28b7bf6 100644 --- a/translations/sk/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/sk/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Podpora viacerých jazykov -![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Prehľad tejto lekcie vo forme sketchnote](../../../../../translated_images/sk/lesson-24.4246968ed058510a.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. @@ -74,7 +74,7 @@ Existuje množstvo AI služieb, ktoré môžete použiť vo svojich aplikáciác ### Kognitívne služby – Služba reči -![Logo služby reči](../../../../../translated_images/sk/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo služby reči](../../../../../translated_images/sk/azure-speech-logo.a1f08c4befb0159f.webp) Služba reči, ktorú ste používali v predchádzajúcich lekciách, má schopnosti prekladu pre rozpoznávanie reči. Keď rozpoznávate reč, môžete požiadať nielen o text reči v rovnakom jazyku, ale aj v iných jazykoch. @@ -82,7 +82,7 @@ Služba reči, ktorú ste používali v predchádzajúcich lekciách, má schopn ### Kognitívne služby – Služba Translator -![Logo služby Translator](../../../../../translated_images/sk/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Logo služby Translator](../../../../../translated_images/sk/azure-translator-logo.c6ed3a4a433edfd2.webp) Služba Translator je špecializovaná prekladateľská služba, ktorá dokáže prekladať text z jedného jazyka do jedného alebo viacerých cieľových jazykov. Okrem prekladu podporuje širokú škálu ďalších funkcií, vrátane maskovania vulgarizmov. Umožňuje vám tiež poskytnúť konkrétny preklad pre určité slovo alebo vetu, aby ste mohli pracovať s termínmi, ktoré nechcete prekladať, alebo mať konkrétny, dobre známy preklad. diff --git a/translations/sk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/sk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index e71c9d840..be952dd3e 100644 --- a/translations/sk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/sk/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API služby reči nepodporuje priame preklady, namiesto toho môžete použ > > Napríklad, ak trénujete LUIS v angličtine, ale chcete používať francúzštinu ako jazyk používateľa, môžete preložiť vety ako „nastav časovač na 2 minúty a 27 sekúnd“ z angličtiny do francúzštiny pomocou Bing Translate, a potom použiť tlačidlo **Listen translation** na vyslovenie prekladu do vášho mikrofónu. > - > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a9.webp) 1. Pridajte API kľúč pre prekladateľa pod `speech_api_key`: diff --git a/translations/sk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/sk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 9d622f29d..0d97189b5 100644 --- a/translations/sk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/sk/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Služba na spracovanie reči dokáže nielen previesť reč na text v rovnakom j > > Napríklad, ak trénujete LUIS v angličtine, ale chcete používať francúzštinu ako jazyk používateľa, môžete preložiť vety ako „nastav časovač na 2 minúty a 27 sekúnd“ z angličtiny do francúzštiny pomocou Bing Translate, a potom použiť tlačidlo **Listen translation** na prehranie prekladu do vášho mikrofónu. > - > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a9.webp) 1. Nahraďte deklarácie `recognizer_config` a `recognizer` nasledujúcim: diff --git a/translations/sk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/sk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index 46b3c22cb..f902447b4 100644 --- a/translations/sk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/sk/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API služby reči nepodporuje priame preklady, namiesto toho môžete použ > > Napríklad, ak trénujete LUIS v angličtine, ale chcete používať francúzštinu ako jazyk používateľa, môžete preložiť vety ako "set a 2 minute and 27 second timer" z angličtiny do francúzštiny pomocou Bing Translate, a potom použiť tlačidlo **Listen translation** na prehranie prekladu do vášho mikrofónu. > - > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačidlo Listen translation na Bing Translate](../../../../../translated_images/sk/bing-translate.348aa796d6efe2a9.webp) 1. Pridajte API kľúč prekladateľa a jeho umiestnenie pod `SPEECH_LOCATION`: diff --git a/translations/sk/README.md b/translations/sk/README.md index 8b0a72910..3277605e1 100644 --- a/translations/sk/README.md +++ b/translations/sk/README.md @@ -1,27 +1,27 @@ -[![GitHub licencia](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) -[![GitHub prispievatelia](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) +[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) [![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub sledovatelia](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) -[![GitHub hviezdy](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) -### Pridajte sa ku komunite Azure AI Foundry +### Pridajte sa k Azure AI Foundry komunite -Ak sa zaseknete alebo máte otázky o tvorbe AI aplikácií. Pridajte sa k ostatným študentom a skúseným vývojárom do diskusií o MCP. Je to podporujúca komunita, kde sú otázky vítané a vedomosti sa zdieľajú slobodne. +Ak sa zaseknete alebo máte nejaké otázky ohľadom tvorby AI aplikácií, pridajte sa k iným študentom a skúseným vývojárom v diskusiách o MCP. Je to podporná komunita, kde sú otázky vítané a vedomosti sa slobodne zdieľajú. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ak máte spätnú väzbu na produkt alebo sa pri tvorbe vyskytnú chyby, navštívte: +Ak máte spätú väzbu na produkt alebo chyby počas tvorby, navštívte: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Nasledujte tieto kroky, aby ste mohli začať používať tieto zdroje: -1. **Vytvorte Fork repozitára**: Kliknite [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) -2. **Naklonujte Repozitár**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Pridajte sa na Microsoft Foundry Discord a spoznajte expertov a ďalších vývojárov**](https://discord.com/invite/ByRwuEEgH4) +Postupujte podľa týchto krokov, aby ste mohli začať používať tieto zdroje: +1. **Vytvorte fork repozitára**: Kliknite [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) +2. **Naklonujte repozitár**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**Pridajte sa k Microsot Foundry Discord a stretnite odborníkov a ďalších vývojárov**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Podpora viacerých jazykov @@ -29,32 +29,42 @@ Nasledujte tieto kroky, aby ste mohli začať používať tieto zdroje: #### Podporované cez GitHub Action (automatizované a vždy aktuálne) -[Arabčina](../ar/README.md) | [Bengálčina](../bn/README.md) | [Bulharčina](../bg/README.md) | [Burmčina (Myanmar)](../my/README.md) | [Čínština (zjednodušená)](../zh-CN/README.md) | [Čínština (tradičná, Hong Kong)](../zh-HK/README.md) | [Čínština (tradičná, Macau)](../zh-MO/README.md) | [Čínština (tradičná, Taiwan)](../zh-TW/README.md) | [Chorvátčina](../hr/README.md) | [Čeština](../cs/README.md) | [Dánčina](../da/README.md) | [Holandčina](../nl/README.md) | [Estónčina](../et/README.md) | [Fínčina](../fi/README.md) | [Francúzština](../fr/README.md) | [Nemčina](../de/README.md) | [Gréčtina](../el/README.md) | [Hebrejčina](../he/README.md) | [Hindčina](../hi/README.md) | [Maďarčina](../hu/README.md) | [Indonézština](../id/README.md) | [Taliančina](../it/README.md) | [Japončina](../ja/README.md) | [Kannadčina](../kn/README.md) | [Kórejčina](../ko/README.md) | [Litovčina](../lt/README.md) | [Malajčina](../ms/README.md) | [Malajálam](../ml/README.md) | [Maráthčina](../mr/README.md) | [Nepálčina](../ne/README.md) | [Nigerijský pidžin](../pcm/README.md) | [Nórčina](../no/README.md) | [Perzština (Farsi)](../fa/README.md) | [Poľština](../pl/README.md) | [Portugalčina (Brazília)](../pt-BR/README.md) | [Portugalčina (Portugalsko)](../pt-PT/README.md) | [Pandžábčina (Gurmukhí)](../pa/README.md) | [Rumunčina](../ro/README.md) | [Ruština](../ru/README.md) | [Srbčina (cyrilika)](../sr/README.md) | [Slovenčina](./README.md) | [Slovinčina](../sl/README.md) | [Španielčina](../es/README.md) | [Svahilčina](../sw/README.md) | [Švédčina](../sv/README.md) | [Tagalog (Filipínčina)](../tl/README.md) | [Tamilčina](../ta/README.md) | [Telugčina](../te/README.md) | [Thajčina](../th/README.md) | [Turečtina](../tr/README.md) | [Ukrajinčina](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamčina](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](./README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **Radšej chcete klonovať lokálne?** - -> Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo značne zväčšuje veľkosť stiahnutia. Ak chcete klonovať bez prekladov, použite sparse checkout: +> **Preferujete klonovanie lokálne?** +> +> Tento repozitár obsahuje viac ako 50 jazykových prekladov, čo významne zväčšuje veľkosť sťahovania. Pre klonovanie bez prekladov použite sparse checkout: +> +> **Bash / macOS / Linux:** > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git > cd IoT-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> To vám poskytne všetko potrebné na dokončenie kurzu oveľa rýchlejšie. +> +> **CMD (Windows):** +> ```cmd +> git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git +> cd IoT-For-Beginners +> git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" +> ``` +> +> Toto vám poskytne všetko, čo potrebujete na dokončenie kurzu so oveľa rýchlejším sťahovaním. -# IoT pre začiatočníkov - Výučbový program +# IoT pre začiatočníkov - učebný plán -Azure Cloud Advocates v Microsoft s potešením ponúkajú 12-týždňový, 24-lekčný výučbový program zameraný na základy IoT. Každá lekcia obsahuje testy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie, zadanie a ďalšie. Náš projektovo orientovaný prístup vám umožňuje učiť sa pri tvorbe, čo je overený spôsob, ako si nové zručnosti trvalo osvojiť. +Azure Cloud Advocates v Microsoft s radosťou ponúkajú 12-týždňový, 24-lekčný učebný plán o základoch IoT. Každá lekcia obsahuje pred a po lekčné kvízy, písomné pokyny na dokončenie lekcie, riešenie, zadanie a ďalšie. Naša projektovo orientovaná pedagogika umožňuje učiť sa počas tvorby, čo je overený spôsob, ako si nové zručnosti "uložiť". -Projekty pokrývajú cestu jedla od farmy až po stôl. Zahŕňa to poľnohospodárstvo, logistiku, výrobu, maloobchod a spotrebiteľa – všetky sú populárne odvetvia pri použití IoT zariadení. +Projekty pokrývajú cestu potravín od farmy až na stôl. Zahŕňa to poľnohospodárstvo, logistiku, výrobu, maloobchod a spotrebiteľa - všetko populárne oblasti priemyslu pre zariadenia IoT. -![Plán kurzu ukazujúci 24 lekcií pokrývajúcich úvod, poľnohospodárstvo, dopravu, spracovanie, maloobchod a varenie](../../translated_images/sk/Roadmap.bb1dec285dda0eda.webp) +![Plán kurzu zobrazujúci 24 lekcií pokrývajúcich úvod, poľnohospodárstvo, dopravu, spracovanie, maloobchod a varenie](../../translated_images/sk/Roadmap.bb1dec285dda0eda.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na obrázok pre väčšiu verziu. -**Srdečné poďakovanie patrí našim autorom [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) a našej sketchnote ilustrátorke [Nitya Narasimhan](https://github.com/nitya).** +**Srdečné poďakovanie patrí našim autorom [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) a nášmu sketchnote umelcovi [Nitya Narasimhan](https://github.com/nitya).** -**Ďakujeme tiež nášmu tímu [Microsoft Learn študentských ambasádorov](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), ktorí prehliadali a prekladali tento výučbový program - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform) a [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Ďakujeme tiež nášmu tímu [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), ktorí tento učebný plán recenzovali a prekladali - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform) a [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Zoznámte sa s tímom! @@ -64,88 +74,88 @@ Zoznámte sa s tímom! > 🎥 Kliknite na obrázok vyššie pre video o projekte! -> **Učitelia**, zahrnuli sme [niekoľko odporúčaní](for-teachers.md), ako používať tento výučbový program. Ak chcete vytvárať vlastné lekcie, nájdete u nás aj [šablónu lekcie](lesson-template/README.md). +> **Učitelia**, pridali sme [niekoľko návrhov](for-teachers.md), ako tento učebný plán použiť. Ak by ste chceli vytvoriť vlastné lekcie, zahrnuli sme tiež [šablónu lekcie](lesson-template/README.md). -> **[Študenti](https://aka.ms/student-page)**, na používanie tohto výučbového programu samostatne si vytvorte fork celého repozitára a pracujte na úlohách sami, začínajúc testom pred prednáškou, potom čítaním prednášky a dokončením zvyšných aktivít. Pokúste sa vytvárať projekty pochopením lekcií, nie kopírovaním kódu riešení; tento kód je však dostupný v priečinkoch /solutions v každej lekcii zameranej na projekty. Ďalšou možnosťou je vytvoriť študijnú skupinu s priateľmi a prechádzať obsah spoločne. Na ďalšie štúdium odporúčame [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **Študenti** ([https://aka.ms/student-page](https://aka.ms/student-page)), aby ste tento učebný plán použili sami, vytvorte fork celého repozitára a dokončite cvičenia sami, začínajúc prednáškovým kvízom, potom si prečítajte prednášku a dokončite zvyšok aktivít. Pokúste sa vytvoriť projekty pochopením lekcií namiesto kopírovania kódu riešenia; tento kód je však dostupný v priečinkoch /solutions v každej projektovo orientovanej lekcii. Ďalším nápadom je vytvoriť študijnú skupinu s priateľmi a prejsť obsah spolu. Pre ďalšie štúdium odporúčame [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -Pre prehľadové video o kurze si pozrite toto video: +Pre video prehľad tohto kurzu si pozrite toto video: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") > 🎥 Kliknite na obrázok vyššie pre video o projekte! -## Pedagogika +## Pedagógia -Pri tvorbe tohto výučbového programu sme sa rozhodli pre dva pedagogické princípy: zabezpečiť, aby bol založený na projektoch a obsahoval časté testy. Na konci tejto série budú študenti mať vytvorený systém na monitorovanie rastlín a polievanie, sledovač vozidiel, inteligentné fabriku na sledovanie a kontrolu potravy a hlasom ovládaný kuchynský časovač, a naučia sa základy internetu vecí vrátane písania kódu pre zariadenia, pripojenia do cloudu, analýzy telemetrie a prevádzky AI na okraji siete. +Pri tvorbe tohto učebného plánu sme zvolili dva pedagogické princípy: zabezpečiť, aby bol projektovo orientovaný a aby obsahoval časté kvízy. Na konci tejto série študenti vytvoria systém na monitorovanie a polievanie rastlín, sledovanie vozidla, inteligentnú továreň na sledovanie a kontrolu potravín a hlasovo ovládaný časovač na varenie, a naučia sa základy internetu vecí vrátane toho, ako písať kód pre zariadenia, pripojiť ich do cloudu, analyzovať telemetriu a spustiť AI na okraji siete. -Zabezpečením súladu obsahu s projektmi je proces pre študentov zaujímavejší a učivo sa lepšie uchováva v pamäti. +Zabezpečením, že obsah súvisí s projektmi, sa proces pre študentov stáva zaujímavejším a retencia konceptov sa zlepší. -Navyše, test s nízkou záťažou pred hodinou nastavuje študentovu motiváciu učiť sa tému, zatiaľ čo druhý test po hodine zabezpečí lepšie zapamätanie. Tento program je navrhnutý flexibilne a zábavne a môžete ho absolvovať celý alebo len časť. Projekty začínajú jednoducho a postupne sa v priebehu 12 týždňov stávajú zložitejšími. +Okrem toho nízkorizikový kvíz pred hodinou nastaví študenta na učenie témy, zatiaľ čo druhý kvíz po hodine zabezpečí ďalšiu retenciu poznatkov. Tento učebný plán bol navrhnutý ako flexibilný a zábavný a môže byť absolvovaný celý, alebo čiastočne. Projekty začínajú malé a postupne rastú na zložitosť počas 12-týždňového cyklu. -Každý projekt je postavený na reálnom hardvéri dostupnom študentom a nadšencom. Každý projekt sa venuje konkrétnej projektovej oblasti a poskytuje relevantné základné poznatky. Aby ste boli úspešným vývojárom, je užitočné rozumieť oblasti, v ktorej riešite problémy, a poskytnutie týchto poznatkov umožňuje študentom uvažovať o svojich IoT riešeniach a učení v kontexte reálneho problému, ktorý ich môže ako IoT vývojárov stretnúť. Študenti sa naučia "prečo" riešení, ktoré vytvárajú, a získajú pochopenie používateľa. +Každý projekt je založený na reálnom hardvéri dostupnom študentom a nadšencom. Každý projekt skúma konkrétnu oblasť projektu, poskytujúc relevantné základné znalosti. Aby bol vývojár úspešný, pomáha pochopiť doménu, v ktorej rieši problémy, a poskytnutie týchto základných znalostí umožňuje študentom premýšľať o svojich IoT riešeniach a učení v kontexte typu reálneho problému, ktorý môžu byť ako IoT vývojári požiadaní vyriešiť. Študenti sa naučia "prečo" riešení, ktoré vytvárajú, a získajú pochopenie pre koncového používateľa. ## Hardvér +Máme na výber dva druhy hardvéru IoT pre projekty v závislosti od osobných preferencií, znalostí programovacích jazykov, cieľov učenia a dostupnosti. Poskytli sme tiež „virtuálnu verziu hardvéru“ pre tých, ktorí nemajú prístup k hardvéru alebo sa chcú pred zakúpením viac naučiť. Viac si môžete prečítať a nájsť „nákupný zoznam“ na [hardvérovej stránke](./hardware.md), vrátane odkazov na kúpu kompletných súprav od našich priateľov zo Seeed Studio. -Máme dve možnosti IoT hardvéru na použitie pri projektoch v závislosti od osobnej preferencie, znalostí programovacieho jazyka, cieľov učenia a dostupnosti. Pre tých, ktorí nemajú prístup k hardvéru alebo chcú viac vedieť pred nákupom, sme tiež poskytli verziu 'virtuálneho hardvéru'. Viac si môžete prečítať a nájsť si „nákupný zoznam“ na [stránke hardvéru](./hardware.md), vrátane odkazov na nákup kompletných sád od našich priateľov zo Seeed Studio. -> 💁 Nájdite náš [Kódex správania](CODE_OF_CONDUCT.md), [Prispievanie](CONTRIBUTING.md) a [Pokyny k prekladu](TRANSLATIONS.md). Vitáme vašu konštruktívnu spätnú väzbu! +> 💁 Nájdite náš [Kódex správania](CODE_OF_CONDUCT.md), [Príspevky](CONTRIBUTING.md) a [Pokyny na preklady](TRANSLATIONS.md). Vašu konštruktívnu spätnú väzbu vítame! > -> 🔧 Máte problémy? Prezrite si náš [Sprievodca riešením problémov](TROUBLESHOOTING.md) pre riešenia bežných problémov. +> 🔧 Máte problémy? Pozrite si náš [Príručku riešenia problémov](TROUBLESHOOTING.md) pre riešenia bežných problémov. ## Každá lekcia obsahuje: -- sketchnote +- skicovník - voliteľné doplnkové video -- predbežný kvíz pred lekciou -- písomnú lekciu -- pre lekcie založené na projekte, krok za krokom návody, ako postaviť projekt -- kontroly znalostí +- rozcvičku pred lekciou +- písanú lekciu +- pre lekcie založené na projektoch, krok za krokom návody ako projekt zostaviť +- overovanie vedomostí - výzvu - doplnkové čítanie - zadanie -- [kvíz po lekcii](https://ff-quizzes.netlify.app/en/) +- [test po lekcii](https://ff-quizzes.netlify.app/en/) -> **Poznámka o kvízoch**: Všetky kvízy sú uložené v priečinku quiz-app, celkovo 48 kvízov so 3 otázkami v každom. Sú prepojené z lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť na Azure; sledujte inštrukcie v priečinku `quiz-app`. Postupne sa lokalizujú. +> **Poznámka k testom**: Všetky testy sú umiestnené v priečinku quiz-app, celkovo 48 testov so 3 otázkami v každom. Sú prepojené v lekciách, ale quiz aplikáciu je možné spustiť lokálne alebo nasadiť na Azure; riaďte sa inštrukciami v priečinku `quiz-app`. Postupne sa lokalizujú. ## Lekcie -| | Názov projektu | Učené koncepty | Ciele učenia | Prepojená lekcia | -| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | :----------------------------------------------------------------------------------------------------------------------: | -| 01 | [Začíname](./1-getting-started/README.md) | Úvod do IoT | Naučte sa základné princípy IoT a základné stavebné prvky IoT riešení, ako sú senzory a cloudové služby, zatiaľ čo nastavujete svoje prvé IoT zariadenie | [Úvod do IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Začíname](./1-getting-started/README.md) | Hlbší pohľad na IoT | Zoznámte sa podrobnejšie so súčiastkami IoT systému, mikrokontrolérmi a jednoplatničkovými počítačmi | [Hlbší pohľad na IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Začíname](./1-getting-started/README.md) | Interakcia s fyzickým svetom cez senzory a akčné členy | Naučte sa o senzoroch na zber dát z fyzického sveta a o akčných členoch na spätnú väzbu, zatiaľ čo postavíte nočné svetlo | [Interakcia s fyzickým svetom cez senzory a akčné členy](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Začíname](./1-getting-started/README.md) | Pripojte svoje zariadenie na internet | Naučte sa, ako pripojiť IoT zariadenie na internet, aby ste mohli posielať a prijímať správy pripojením nočného svetla k MQTT brokeru | [Pripojte svoje zariadenie na internet](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Farmer](./2-farm/README.md) | Predikcia rastu rastlín | Naučte sa predpovedať rast rastlín pomocou údajov o teplote zachytených IoT zariadením | [Predikcia rastu rastlín](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Farmer](./2-farm/README.md) | Detekcia vlhkosti pôdy | Naučte sa detegovať vlhkosť pôdy a kalibrovať snímač vlhkosti pôdy | [Detekcia vlhkosti pôdy](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Farmer](./2-farm/README.md) | Automatizované zavlažovanie rastlín | Naučte sa automatizovať a časovať zavlažovanie pomocou relé a MQTT | [Automatizované zavlažovanie rastlín](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Farmer](./2-farm/README.md) | Migrácia rastliny do cloudu | Naučte sa o cloude a cloudových IoT službách a ako pripojiť svoju rastlinu k jednej z nich namiesto verejného MQTT brokera | [Migrácia rastliny do cloudu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Farmer](./2-farm/README.md) | Migrácia aplikačnej logiky do cloudu | Naučte sa, ako môžete písať aplikačnú logiku v cloude, ktorá reaguje na IoT správy | [Migrácia aplikačnej logiky do cloudu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Farmer](./2-farm/README.md) | Zabezpečte svoju rastlinu | Naučte sa o bezpečnosti IoT a ako udržať svoju rastlinu v bezpečí pomocou kľúčov a certifikátov | [Zabezpečte svoju rastlinu](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Doprava](./3-transport/README.md) | Sledovanie polohy | Naučte sa o sledovaní polohy GPS pre IoT zariadenia | [Sledovanie polohy](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Doprava](./3-transport/README.md) | Ukladanie údajov o polohe | Naučte sa, ako ukladať IoT údaje na neskoršiu vizualizáciu alebo analýzu | [Ukladanie údajov o polohe](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Doprava](./3-transport/README.md) | Vizualizácia údajov o polohe | Naučte sa o vizualizácii údajov o polohe na mape a o tom, ako mapy zobrazujú reálny 3D svet vo dvoch rozmeroch | [Vizualizácia údajov o polohe](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Doprava](./3-transport/README.md) | Geoploty | Naučte sa o geoplotách a o tom, ako sa dajú používať na upozornenie, keď sú vozidlá v dodávateľskom reťazci blízko svojej destinácie | [Geoploty](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Výroba](./4-manufacturing/README.md) | Trénovanie detektora kvality ovocia | Naučte sa o trénovaní klasifikátora obrázkov v cloude na detekciu kvality ovocia | [Trénovanie detektora kvality ovocia](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Výroba](./4-manufacturing/README.md) | Kontrola kvality ovocia z IoT zariadenia | Naučte sa, ako používať detektor kvality ovocia z IoT zariadenia | [Kontrola kvality ovocia z IoT zariadenia](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Výroba](./4-manufacturing/README.md) | Spustenie detektora ovocia na edge zariadení | Naučte sa, ako spustiť detektor ovocia na IoT zariadení na edge | [Spustenie detektora ovocia na edge zariadení](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Výroba](./4-manufacturing/README.md) | Spustenie detekcie kvality ovocia zo senzora | Naučte sa o spustení detekcie kvality ovocia zo senzora | [Spustenie detekcie kvality ovocia zo senzora](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Maloobchod](./5-retail/README.md) | Tréning detektora zásob | Naučte sa používať detekciu objektov na trénovanie detektora zásob na počítanie zásob v obchode | [Tréning detektora zásob](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Maloobchod](./5-retail/README.md) | Kontrola zásob z IoT zariadenia | Naučte sa, ako kontrolovať zásoby z IoT zariadenia pomocou modelu detekcie objektov | [Kontrola zásob z IoT zariadenia](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Spotrebiteľ](./6-consumer/README.md) | Rozpoznávanie reči pomocou IoT zariadenia | Naučte sa rozpoznávať reč z IoT zariadenia na zostavenie inteligentného časovača | [Rozpoznávanie reči pomocou IoT zariadenia](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Spotrebiteľ](./6-consumer/README.md) | Porozumenie jazyka | Naučte sa rozumieť vetám vysloveným k IoT zariadeniu | [Porozumenie jazyka](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Spotrebiteľ](./6-consumer/README.md) | Nastaviť časovač a poskytnúť hovorenú spätnú väzbu | Naučte sa nastaviť časovač na IoT zariadení a dať hovorenú spätnú väzbu o jeho nastavení a skončení | [Nastaviť časovač a poskytnúť hovorenú spätnú väzbu](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Spotrebiteľ](./6-consumer/README.md) | Podpora viacerých jazykov | Naučte sa podporovať viacero jazykov, ako hovorených k vám, tak aj v odpovediach vášho inteligentného časovača | [Podpora viacerých jazykov](./6-consumer/lessons/4-multiple-language-support/README.md) | +| | Názov projektu | Preberané koncepty | Výukové ciele | Prepojená lekcia | +| :---: | :----------------------------------------: | :-----------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :---------------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Začíname](./1-getting-started/README.md) | Úvod do IoT | Naučte sa základné princípy IoT a základné stavebné bloky IoT riešení, ako senzory a cloudové služby, zatiaľ čo nastavujete svoje prvé IoT zariadenie | [Úvod do IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Začíname](./1-getting-started/README.md) | Hlbší pohľad do IoT | Naučte sa viac o komponentoch IoT systému, ako aj o mikrokontroléroch a jednoplatničových počítačoch | [Hlbší pohľad do IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Začíname](./1-getting-started/README.md) | Interakcia s fyzickým svetom cez senzory a akčné členy | Naučte sa o senzoroch na získavanie dát z fyzického sveta a akčných členoch na odosielanie spätnej väzby, zatiaľ čo staviate nočné svetlo | [Interakcia s fyzickým svetom cez senzory a akčné členy](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Začíname](./1-getting-started/README.md) | Pripojte svoje zariadenie na internet | Naučte sa, ako pripojiť IoT zariadenie na internet na odosielanie a prijímanie správ pripojením vášho nočného svetla k MQTT brokeru | [Pripojte svoje zariadenie na internet](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Farma](./2-farm/README.md) | Predpovedajte rast rastlín | Naučte sa predpovedať rast rastlín pomocou dát o teplote zachytených IoT zariadením | [Predpovedajte rast rastlín](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Farma](./2-farm/README.md) | Detekujte vlhkosť pôdy | Naučte sa detekovať vlhkosť pôdy a kalibrovať snímač vlhkosti pôdy | [Detekujte vlhkosť pôdy](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Farma](./2-farm/README.md) | Automatická závlaha rastlín | Naučte sa automatizovať a časovať zavlažovanie pomocou relé a MQTT | [Automatická závlaha rastlín](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Farma](./2-farm/README.md) | Presuňte svoju rastlinu do cloudu | Naučte sa o cloude a cloudových IoT službách a ako pripojiť svoju rastlinu namiesto verejného MQTT brokera do jednej z nich | [Presuňte svoju rastlinu do cloudu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Farma](./2-farm/README.md) | Presuňte logiku aplikácie do cloudu | Naučte sa, ako písať aplikačnú logiku v cloude, ktorá reaguje na IoT správy | [Presuňte logiku aplikácie do cloudu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Farma](./2-farm/README.md) | Zabezpečte svoju rastlinu | Naučte sa o zabezpečení IoT a ako uchovať svoju rastlinu v bezpečí pomocou kľúčov a certifikátov | [Zabezpečte svoju rastlinu](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Doprava](./3-transport/README.md) | Sledovanie polohy | Naučte sa o GPS sledovaní polohy pre IoT zariadenia | [Sledovanie polohy](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Doprava](./3-transport/README.md) | Ukladanie dát o polohe | Naučte sa, ako ukladať IoT dáta pre neskoršiu vizualizáciu alebo analýzu | [Ukladanie dát o polohe](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Doprava](./3-transport/README.md) | Vizualizácia dát o polohe | Naučte sa o vizualizácii lokalizačných dát na mape a o tom, ako mapy zobrazujú skutočný 3D svet v 2 rozmeroch | [Vizualizácia dát o polohe](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Doprava](./3-transport/README.md) | Geozóny | Naučte sa o geozónach a ako sa používajú na upozornenie, keď sú vozidlá v dodávateľskom reťazci blízko svojho cieľa | [Geozóny](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Výroba](./4-manufacturing/README.md) | Trénujte detektor kvality ovocia | Naučte sa o trénovaní klasifikátora obrázkov v cloude na detekciu kvality ovocia | [Trénujte detektor kvality ovocia](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Výroba](./4-manufacturing/README.md) | Skontrolujte kvalitu ovocia zo zariadenia IoT | Naučte sa používať svoj detektor kvality ovocia zo zariadenia IoT | [Skontrolujte kvalitu ovocia zo zariadenia IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Výroba](./4-manufacturing/README.md) | Spustite detektor ovocia na edge zariadení | Naučte sa spúšťať detektor ovocia na IoT zariadení na edge | [Spustite detektor ovocia na edge zariadení](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Výroba](./4-manufacturing/README.md) | Vytvorte spúšťač detekcie kvality ovocia zo senzora | Naučte sa spúšťať detekciu kvality ovocia zo senzora | [Vytvorte spúšťač detekcie kvality ovocia zo senzora](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Maloobchod](./5-retail/README.md) | Trénujte detektor zásob | Naučte sa používať detekciu objektov na trénovanie detektora zásob na počítanie zásob v obchode | [Trénujte detektor zásob](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Maloobchod](./5-retail/README.md) | Kontrola zásob zo zariadenia IoT | Naučte sa kontrolovať zásoby zo zariadenia IoT pomocou modelu detekcie objektov | [Kontrola zásob zo zariadenia IoT](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Konzument](./6-consumer/README.md) | Rozpoznávanie reči so zariadením IoT | Naučte sa rozpoznávať reč zo zariadenia IoT na vytvorenie inteligentného časovača | [Rozpoznávanie reči so zariadením IoT](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Konzument](./6-consumer/README.md) | Pochopenie jazyka | Naučte sa rozumieť vetám vysloveným k IoT zariadeniu | [Pochopenie jazyka](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Konzument](./6-consumer/README.md) | Nastavte časovač a poskytujte hovorenú spätnú väzbu | Naučte sa nastaviť časovač na IoT zariadení a poskytnúť hovorenú spätnú väzbu o jeho spustení a skončení | [Nastavte časovač a poskytujte hovorenú spätnú väzbu](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Konzument](./6-consumer/README.md) | Podpora viacerých jazykov | Naučte sa podporovať viaceré jazyky, ako v hovorení k vášmu zariadeniu, tak aj v odpovediach vášho inteligentného časovača | [Podpora viacerých jazykov](./6-consumer/lessons/4-multiple-language-support/README.md) | ## Offline prístup -Túto dokumentáciu môžete spustiť offline pomocou [Docsify](https://docsify.js.org/#/). Vytvorte fork tohto repozitára, nainštalujte si [Docsify](https://docsify.js.org/#/quickstart) na svojom lokálnom počítači a potom v koreňovom priečinku tohto repozitára napíšte `docsify serve`. Webová stránka bude sprístupnená na porte 3000 na vašom localhoste: `localhost:3000`. +Túto dokumentáciu môžete používať offline pomocou [Docsify](https://docsify.js.org/#/). Vytvorte si fork tohto repozitára, [nainštalujte Docsify](https://docsify.js.org/#/quickstart) na svoj lokálny počítač a v koreňovom adresári tohto repozitára zadajte príkaz `docsify serve`. Webstránka bude dostupná na porte 3000 na vašom lokálnom hoste: `localhost:3000`. -## Kvíz +## Test -Ďakujeme komunite za hostovanie interaktívneho kvízu, ktorý testuje vaše znalosti z každej kapitoly. Testujte svoje znalosti [tu](https://ff-quizzes.netlify.app/en/) +Ďakujeme komunite za hosťovanie interaktívneho testu, ktorý preveruje vaše vedomosti ku každej kapitole. Otestujte sa [tu](https://ff-quizzes.netlify.app/en/). ### PDF -Ak potrebujete, môžete si vygenerovať PDF tohto obsahu pre offline prístup. Na to sa uistite, že máte [nainštalovaný npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) a spustite nasledujúce príkazy v koreňovom priečinku tohto repozitára: +Ak potrebujete, môžete si vygenerovať PDF s týmto obsahom pre offline prístup. Uistite sa, že máte nainštalovaný [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) a v koreňovom adresári tohto repozitára spustite tieto príkazy: ```sh npm i @@ -154,29 +164,28 @@ npm run convert ### Prezentácie -Sú k dispozícii prezentácie ku niektorým lekciám v priečinku [slides](../../slides). +Pre niektoré lekcie sú k dispozícii prezentácie v priečinku [slides](../../slides). +## Ďalšie kurzy -## Iné kurikuly - -Náš tím produkuje aj iné kurikuly! Pozrite si: +Náš tím produkuje aj ďalšie kurzy! Pozrite si: ### LangChain [![LangChain4j pre začiatočníkov](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js pre začiatočníkov](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain pre začiatočníkov](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agenti [![AZD pre začiatočníkov](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI pre začiatočníkov](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP pre začiatočníkov](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Agentí pre začiatočníkov](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents pre začiatočníkov](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Séria generatívnej AI +### Séria Generatívnej AI [![Generatívna AI pre začiatočníkov](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![Generatívna AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![Generatívna AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) @@ -185,29 +194,29 @@ Náš tím produkuje aj iné kurikuly! Pozrite si: --- ### Základné učenie -[![Strojové učenie pre začiatočníkov](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![ML pre začiatočníkov](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Dátová veda pre začiatočníkov](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![AI pre začiatočníkov](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Kybernetická bezpečnosť pre začiatočníkov](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Kyberbezpečnosť pre začiatočníkov](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![Webový vývoj pre začiatočníkov](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![IoT pre začiatočníkov](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![Vývoj XR pre začiatočníkov](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![XR vývoj pre začiatočníkov](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Séria Copilot -[![Copilot pre párované programovanie s AI](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot pre AI párové programovanie](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot pre C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot dobrodružstvo](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot Dobrodružstvo](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Priradenia obrázkov +## Priradenie obrázkov -Všetky priradenia obrázkov použitých v tomto vzdelávacom programe nájdete tam, kde je to potrebné, v [Priradeniach](./attributions.md). +Všetky priradenia pre obrázky použité v tomto učebnom pláne nájdete, kde je to potrebné, v [Priradeniach](./attributions.md). --- -**Zrieknutie sa zodpovednosti**: -Tento dokument bol preložený pomocou AI prekladateľskej služby [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, vezmite prosím na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Originálny dokument v jeho pôvodnom jazyku sa považuje za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. +**Vylúčenie zodpovednosti**: +Tento dokument bol preložený pomocou AI prekladateľskej služby [Co-op Translator](https://github.com/Azure/co-op-translator). Aj keď sa snažíme o presnosť, vezmite prosím na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nezodpovedáme za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu. \ No newline at end of file diff --git a/translations/sk/hardware.md b/translations/sk/hardware.md index 5fa7e4f65..0ead0a698 100644 --- a/translations/sk/hardware.md +++ b/translations/sk/hardware.md @@ -26,7 +26,7 @@ Seeed Studios veľmi láskavo sprístupnili všetok hardvér vo forme ľahko zak **[IoT pre začiatočníkov so Seeed a Microsoft - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Hardvérová súprava Raspberry Pi](../../translated_images/sk/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Hardvérová súprava Raspberry Pi](../../translated_images/sk/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino