diff --git a/translations/hr/.co-op-translator.json b/translations/hr/.co-op-translator.json index aa0817bc6..a01a309be 100644 --- a/translations/hr/.co-op-translator.json +++ b/translations/hr/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "hr" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:40:24+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:53:37+00:00", "source_file": "README.md", "language_code": "hr" }, diff --git a/translations/hr/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/hr/1-getting-started/lessons/1-introduction-to-iot/README.md index 62119acf7..402e47db2 100644 --- a/translations/hr/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/hr/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Uvod u IoT -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-1.2606670fa61ee904.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. diff --git a/translations/hr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/hr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index c9965902b..47981e457 100644 --- a/translations/hr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/hr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Kao drugi korak 'Hello World', pokrenut ćete CounterFit aplikaciju i povezati s Aplikacija će se pokrenuti i otvoriti u vašem web pregledniku: - ![Counter Fit aplikacija pokrenuta u pregledniku](../../../../../translated_images/hr/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Counter Fit aplikacija pokrenuta u pregledniku](../../../../../translated_images/hr/counterfit-first-run.433326358b669b31.webp) Bit će označena kao *Disconnected*, s LED-icom u gornjem desnom kutu isključenom. @@ -224,7 +224,7 @@ Kao drugi korak 'Hello World', pokrenut ćete CounterFit aplikaciju i povezati s 1. U ovom novom terminalu pokrenite datoteku `app.py` kao i prije. Status CounterFit-a promijenit će se u **Connected** i LED-ica će se upaliti. - ![Counter Fit prikazuje status povezan](../../../../../translated_images/hr/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit prikazuje status povezan](../../../../../translated_images/hr/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Ovaj kod možete pronaći u mapi [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/hr/1-getting-started/lessons/2-deeper-dive/README.md b/translations/hr/1-getting-started/lessons/2-deeper-dive/README.md index f0897d756..a8660aa51 100644 --- a/translations/hr/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/hr/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Dublje istraživanje IoT-a -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-2.324b0580d620c25e.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -38,7 +38,7 @@ Dvije glavne komponente IoT aplikacije su *Internet* i *stvar*. Pogledajmo ove d Ovi uređaji komuniciraju s fizičkim svijetom, bilo pomoću senzora za prikupljanje podataka iz okoline ili kontroliranjem izlaza ili aktuatora za fizičke promjene. Tipičan primjer je pametni termostat - uređaj koji ima senzor temperature, način za postavljanje željene temperature poput kotačića ili zaslona osjetljivog na dodir, i vezu s grijanjem ili hlađenjem koje se može uključiti kada je detektirana temperatura izvan željenog raspona. Senzor temperature detektira da je prostorija prehladna, a aktuator uključuje grijanje. -![Dijagram koji prikazuje temperaturu i kotačić kao ulaze u IoT uređaj, te kontrolu grijalice kao izlaz](../../../../../translated_images/hr/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Dijagram koji prikazuje temperaturu i kotačić kao ulaze u IoT uređaj, te kontrolu grijalice kao izlaz](../../../../../translated_images/hr/basic-thermostat.a923217fd1f37e5a.webp) Postoji ogroman raspon različitih stvari koje mogu djelovati kao IoT uređaji, od specijaliziranog hardvera koji detektira jednu stvar, do uređaja opće namjene, pa čak i vašeg pametnog telefona! Pametni telefon može koristiti senzore za detekciju svijeta oko sebe i aktuatora za interakciju sa svijetom - na primjer, koristeći GPS senzor za detekciju vaše lokacije i zvučnik za davanje uputa za navigaciju do odredišta. @@ -54,7 +54,7 @@ Uređaji također ne moraju uvijek izravno povezivati na Internet putem WiFi-a i U primjeru pametnog termostata, termostat bi se povezao putem kućnog WiFi-a na cloud servis. Poslao bi podatke o temperaturi ovom cloud servisu, a odatle bi se ti podaci zapisali u neku vrstu baze podataka, omogućujući vlasniku kuće da provjeri trenutne i prošle temperature putem aplikacije na telefonu. Drugi servis u oblaku znao bi željenu temperaturu vlasnika kuće i slao poruke natrag IoT uređaju putem cloud servisa kako bi rekao sustavu grijanja da se uključi ili isključi. -![Dijagram koji prikazuje temperaturu i kotačić kao ulaze u IoT uređaj, IoT uređaj s dvosmjernom komunikacijom s oblakom, koji zauzvrat ima dvosmjernu komunikaciju s telefonom, te kontrolu grijalice kao izlaz iz IoT uređaja](../../../../../translated_images/hr/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Dijagram koji prikazuje temperaturu i kotačić kao ulaze u IoT uređaj, IoT uređaj s dvosmjernom komunikacijom s oblakom, koji zauzvrat ima dvosmjernu komunikaciju s telefonom, te kontrolu grijalice kao izlaz iz IoT uređaja](../../../../../translated_images/hr/mobile-controlled-thermostat.4a994010473d8d6a.webp) Još pametnija verzija mogla bi koristiti AI u oblaku s podacima iz drugih senzora povezanih s drugim IoT uređajima, poput senzora prisutnosti koji detektiraju koje su prostorije u upotrebi, kao i podatke poput vremenske prognoze ili čak vašeg kalendara, za donošenje odluka o tome kako pametno postaviti temperaturu. Na primjer, mogla bi isključiti grijanje ako iz vašeg kalendara pročita da ste na odmoru, ili isključiti grijanje po sobama ovisno o tome koje prostorije koristite, učeći iz podataka kako bi s vremenom postajala sve preciznija. @@ -94,7 +94,7 @@ CPU-ovi se oslanjaju na sat koji otkucava milijune ili milijarde puta u sekundi. > 💁 CPU-ovi izvršavaju programe koristeći [ciklus dohvaćanja-dekodiranja-izvršavanja](https://wikipedia.org/wiki/Instruction_cycle). Za svaki otkucaj sata, CPU će dohvatiti sljedeću instrukciju iz memorije, dekodirati je, a zatim je izvršiti, poput korištenja aritmetičko-logičke jedinice (ALU) za zbrajanje 2 broja. Neka izvršenja će trajati više otkucaja, pa će sljedeći ciklus započeti nakon što se instrukcija dovrši. -![Ciklus dohvaćanja-dekodiranja-izvršavanja koji prikazuje dohvaćanje instrukcije iz programa pohranjenog u RAM-u, zatim dekodiranje i izvršavanje na CPU-u](../../../../../translated_images/hr/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Ciklus dohvaćanja-dekodiranja-izvršavanja koji prikazuje dohvaćanje instrukcije iz programa pohranjenog u RAM-u, zatim dekodiranje i izvršavanje na CPU-u](../../../../../translated_images/hr/fetch-decode-execute.2fd6f150f6280392.webp) Mikrokontroleri imaju mnogo niže brzine sata od stolnih ili prijenosnih računala, pa čak i većine pametnih telefona. Na primjer, Wio Terminal ima CPU koji radi na 120MHz ili 120.000.000 ciklusa u sekundi. @@ -182,7 +182,7 @@ Arduino ploče programiraju se u C ili C++. Korištenje C/C++ omogućuje da vaš U funkciji `setup` napisali biste kod za inicijalizaciju, poput povezivanja na WiFi i cloud usluge ili inicijalizacije pinova za ulaz i izlaz. Vaš kod u funkciji `loop` sadržavao bi obradu, poput čitanja sa senzora i slanja vrijednosti u oblak. Obično biste uključili odgodu u svaku petlju, na primjer, ako želite da se podaci senzora šalju svakih 10 sekundi, dodali biste odgodu od 10 sekundi na kraju petlje kako bi mikrokontroler mogao spavati, štedeći energiju, a zatim ponovno pokrenuti petlju kada je potrebno. -![Arduino skica koja prvo pokreće setup, a zatim kontinuirano pokreće loop](../../../../../translated_images/hr/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Arduino skica koja prvo pokreće setup, a zatim kontinuirano pokreće loop](../../../../../translated_images/hr/arduino-sketch.79590cb837ff7a7c.webp) ✅ Ova arhitektura programa poznata je kao *petlja događaja* ili *petlja poruka*. Mnoge aplikacije koriste ovo u pozadini i to je standard za većinu desktop aplikacija koje rade na OS-ima poput Windowsa, macOS-a ili Linuxa. `Loop` osluškuje poruke od korisničkih sučelja poput tipki ili uređaja poput tipkovnice i reagira na njih. Više možete pročitati u ovom [članku o petlji događaja](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/README.md index 4d1c82a91..e0cf20b73 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Interakcija s fizičkim svijetom pomoću senzora i aktuatora -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-3.cc3b7b4cd646de59.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -92,7 +92,7 @@ Digitalni senzori, poput analognih senzora, opažaju svijet oko sebe koristeći Najjednostavniji digitalni senzor je tipka ili prekidač. To je senzor s dva stanja, uključen ili isključen. -![Tipka prima 5 volti. Kada nije pritisnuta vraća 0 volti, kada je pritisnuta vraća 5 volti](../../../../../translated_images/hr/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Tipka prima 5 volti. Kada nije pritisnuta vraća 0 volti, kada je pritisnuta vraća 5 volti](../../../../../translated_images/hr/button.eadb560b77ac45e5.webp) Pinovi na IoT uređajima poput GPIO pinova mogu izravno mjeriti ovaj signal kao 0 ili 1. Ako je napon poslan isti kao napon vraćen, očitana vrijednost je 1, inače je očitana vrijednost 0. Nema potrebe za pretvorbom signala, može biti samo 1 ili 0. @@ -125,7 +125,7 @@ Neki uobičajeni aktuatori uključuju: Slijedite odgovarajući vodič kako biste dodali aktuator svom IoT uređaju, kontroliran senzorom, za izradu IoT noćnog svjetla. Ono će prikupljati razine svjetla iz senzora svjetla i koristiti aktuator u obliku LED-a za emitiranje svjetla kada je detektirana razina svjetla preniska. -![Dijagram toka zadatka koji prikazuje očitavanje i provjeru razina svjetla te kontrolu LED-a](../../../../../translated_images/hr/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Dijagram toka zadatka koji prikazuje očitavanje i provjeru razina svjetla te kontrolu LED-a](../../../../../translated_images/hr/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Jednoplani računalo - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ Kao i senzori, aktuatori mogu biti analogni ili digitalni. Analogni aktuatori uzimaju analogni signal i pretvaraju ga u neku vrstu interakcije, gdje se interakcija mijenja ovisno o naponu koji se isporučuje. Jedan primjer je svjetlo koje se može prigušiti, poput onih koje možda imate u svom domu. Količina napona isporučena svjetlu određuje koliko jako svijetli. -![Svjetlo prigušeno na niskom naponu i svjetlije na višem naponu](../../../../../translated_images/hr/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Svjetlo prigušeno na niskom naponu i svjetlije na višem naponu](../../../../../translated_images/hr/dimmable-light.9ceffeb195dec1a8.webp) Kao i kod senzora, stvarni IoT uređaj radi na digitalnim signalima, a ne analognim. To znači da za slanje analognog signala IoT uređaj treba digitalno-analogni pretvarač (DAC), bilo direktno na IoT uređaju ili na priključnoj ploči. Ovo će pretvoriti 0 i 1 iz IoT uređaja u analogni napon koji aktuator može koristiti. @@ -187,7 +187,7 @@ Digitalni aktuatori, poput digitalnih senzora, imaju ili dva stanja koja se kont Jedan jednostavan digitalni aktuator je LED. Kada uređaj pošalje digitalni signal 1, šalje se visoki napon koji pali LED. Kada se pošalje digitalni signal 0, napon pada na 0V i LED se gasi. -![LED je ugašen na 0 volti i upaljen na 5V](../../../../../translated_images/hr/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED je ugašen na 0 volti i upaljen na 5V](../../../../../translated_images/hr/led.ec6d94f66676a174.webp) ✅ Koje druge jednostavne aktuatore s 2 stanja možete zamisliti? Jedan primjer je solenoid, koji je elektromagnet koji se može aktivirati za obavljanje stvari poput pomicanja zasuna vrata za zaključavanje/otključavanje vrata. diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index de3726035..494511ca5 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED dolazi kao modul s izborom LED-ova, omogućujući vam da odaberete boj Povežite LED. -![Grove LED](../../../../../translated_images/hr/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/hr/grove-led.6c853be93f473cf2.webp) 1. Odaberite svoj omiljeni LED i umetnite nogice u dvije rupe na LED modulu. @@ -40,7 +40,7 @@ Povežite LED. 1. Dok je Raspberry Pi isključen, povežite drugi kraj Grove kabela s digitalnom utičnicom označenom **D5** na Grove Base hatu pričvršćenom na Pi. Ova utičnica je druga s lijeva, u redu utičnica pored GPIO pinova. -![Grove LED povezan s utičnicom D5](../../../../../translated_images/hr/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED povezan s utičnicom D5](../../../../../translated_images/hr/pi-led.97f1d474981dc35d.webp) ## Programirajte noćno svjetlo diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 143dd5513..35c16824c 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove senzor svjetla koji se koristi za detekciju razine svjetla mora biti povez Povežite senzor svjetla. -![Grove senzor svjetla](../../../../../translated_images/hr/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove senzor svjetla](../../../../../translated_images/hr/grove-light-sensor.b8127b7c434e632d.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na modulu senzora svjetla. Kabel će ući samo na jedan način. 1. Dok je Raspberry Pi isključen, povežite drugi kraj Grove kabela s analognom utičnicom označenom **A0** na Grove Base hatu pričvršćenom na Pi. Ova utičnica je druga s desna, u redu utičnica pored GPIO pinova. -![Grove senzor svjetla povezan na utičnicu A0](../../../../../translated_images/hr/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove senzor svjetla povezan na utičnicu A0](../../../../../translated_images/hr/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Programirajte senzor svjetla diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 7f75ed755..281c47d0e 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Dodajte LED u CounterFit aplikaciju. 1. Kliknite na gumb **Add** za kreiranje LED-a na pinu 5. - ![Postavke LED-a](../../../../../translated_images/hr/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Postavke LED-a](../../../../../translated_images/hr/counterfit-create-led.ba9db1c9b8c622a6.webp) LED će biti kreiran i pojavit će se na popisu aktuatora. - ![Kreirani LED](../../../../../translated_images/hr/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Kreirani LED](../../../../../translated_images/hr/counterfit-led.c0ab02de6d256ad8.webp) Nakon što je LED kreiran, možete promijeniti boju koristeći *Color* alat za odabir boje. Kliknite na gumb **Set** za promjenu boje nakon što je odabrana. diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index df3d84b3b..95e3318ad 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Dodajte senzor svjetla u aplikaciju CounterFit. 1. Kliknite na gumb **Add** kako biste kreirali senzor svjetla na pinu 0. - ![Postavke senzora svjetla](../../../../../translated_images/hr/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Postavke senzora svjetla](../../../../../translated_images/hr/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Senzor svjetla će biti kreiran i pojavit će se na popisu senzora. - ![Kreirani senzor svjetla](../../../../../translated_images/hr/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Kreirani senzor svjetla](../../../../../translated_images/hr/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Programiranje senzora svjetla diff --git a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index a668333f3..59c056df3 100644 --- a/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/hr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED dolazi kao modul s izborom LED-ova, omogućujući vam da odaberete boj Spojite LED. -![Grove LED](../../../../../translated_images/hr/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/hr/grove-led.6c853be93f473cf2.webp) 1. Odaberite svoj omiljeni LED i umetnite njegove nožice u dvije rupe na LED modulu. diff --git a/translations/hr/1-getting-started/lessons/4-connect-internet/README.md b/translations/hr/1-getting-started/lessons/4-connect-internet/README.md index fd87f0f28..578d5c119 100644 --- a/translations/hr/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/hr/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Povežite svoj uređaj s internetom -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-4.7344e074ea68fa54.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -47,7 +47,7 @@ MQTT je najpopularniji komunikacijski protokol za IoT uređaje i obrađen je u o MQTT ima jednog posrednika i više klijenata. Svi klijenti povezuju se s posrednikom, a posrednik usmjerava poruke relevantnim klijentima. Poruke se usmjeravaju pomoću imenovanih tema, umjesto da se šalju izravno pojedinom klijentu. Klijent može objaviti poruku na temu, a svi klijenti pretplaćeni na tu temu primit će poruku. -![IoT uređaj objavljuje telemetriju na temu /telemetry, a usluga u oblaku pretplaćena je na tu temu](../../../../../translated_images/hr/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT uređaj objavljuje telemetriju na temu /telemetry, a usluga u oblaku pretplaćena je na tu temu](../../../../../translated_images/hr/mqtt.cbf7f21d9adc3e17.webp) ✅ Istražite. Ako imate mnogo IoT uređaja, kako možete osigurati da vaš MQTT posrednik može obraditi sve poruke? @@ -69,7 +69,7 @@ Umjesto da se bavite složenostima postavljanja MQTT posrednika kao dijela ovog > 💁 Ovaj testni posrednik je javan i nije siguran. Svatko može slušati što objavljujete, stoga ga nemojte koristiti za podatke koji trebaju ostati privatni. -![Dijagram toka zadatka koji prikazuje očitavanje i provjeru razine svjetlosti te upravljanje LED-om](../../../../../translated_images/hr/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Dijagram toka zadatka koji prikazuje očitavanje i provjeru razine svjetlosti te upravljanje LED-om](../../../../../translated_images/hr/assignment-1-internet-flow.3256feab5f052fd2.webp) Slijedite odgovarajući korak u nastavku kako biste povezali svoj uređaj s MQTT posrednikom: @@ -350,7 +350,7 @@ Za strojeve možda želite zadržati podatke, pogotovo ako se koriste za tražen Dizajneri IoT uređaja također bi trebali razmotriti može li se IoT uređaj koristiti tijekom prekida interneta ili gubitka signala uzrokovanog lokacijom. Pametni termostat trebao bi moći donositi neke ograničene odluke za kontrolu grijanja ako ne može poslati telemetriju u oblak zbog prekida. -[![Ovaj Ferrari je postao neupotrebljiv jer je netko pokušao nadograditi softver pod zemljom gdje nema mobilnog signala](../../../../../translated_images/hr/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Ovaj Ferrari je postao neupotrebljiv jer je netko pokušao nadograditi softver pod zemljom gdje nema mobilnog signala](../../../../../translated_images/hr/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Za MQTT, uređaj i kod za server moraju biti odgovorni za osiguranje isporuke poruka ako je to potrebno, na primjer zahtijevanjem da se na sve poslane poruke odgovori dodatnim porukama na povratnoj temi, a ako ne, one se ručno stavljaju u red za ponovno slanje kasnije. @@ -358,7 +358,7 @@ Za MQTT, uređaj i kod za server moraju biti odgovorni za osiguranje isporuke po Naredbe su poruke koje šalje oblak uređaju, upućujući ga da nešto učini. Većinu vremena to uključuje davanje nekog izlaza putem aktuatora, ali to može biti i instrukcija za sam uređaj, poput ponovnog pokretanja ili prikupljanja dodatne telemetrije i vraćanja kao odgovora na naredbu. -![Internet povezan termostat prima naredbu za uključivanje grijanja](../../../../../translated_images/hr/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Internet povezan termostat prima naredbu za uključivanje grijanja](../../../../../translated_images/hr/commands.d6c06bbbb3a02cce.webp) Termostat bi mogao primiti naredbu iz oblaka za uključivanje grijanja. Na temelju telemetrijskih podataka sa svih senzora, ako je oblačna usluga odlučila da grijanje treba biti uključeno, šalje odgovarajuću naredbu. diff --git a/translations/hr/2-farm/lessons/1-predict-plant-growth/README.md b/translations/hr/2-farm/lessons/1-predict-plant-growth/README.md index bce67e07d..075186c4c 100644 --- a/translations/hr/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/hr/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## Predvidite rast biljaka pomoću IoT-a -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-5.42b234299279d263.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -102,7 +102,7 @@ Koraci za ručni izračun su: Na primjer, ako je najviša temperatura za dan 25°C, a najniža 12°C: -![GDD = 25 + 12 podijeljeno s 2, zatim oduzmite 10 iz rezultata, što daje 8.5](../../../../../translated_images/hr/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 podijeljeno s 2, zatim oduzmite 10 iz rezultata, što daje 8.5](../../../../../translated_images/hr/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/hr/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/hr/2-farm/lessons/1-predict-plant-growth/assignment.md index d75c3a5fd..b0ed5a457 100644 --- a/translations/hr/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/hr/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Kada imate temperaturne podatke, možete koristiti Jupyter Notebook u ovom repoz Jupyter će se pokrenuti i otvoriti notebook u vašem pregledniku. Prođite kroz upute u notebooku kako biste vizualizirali izmjerene temperature i izračunali dane rasta (GDD). - ![Jupyter notebook](../../../../../translated_images/hr/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter notebook](../../../../../translated_images/hr/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Rubrika diff --git a/translations/hr/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/hr/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 2e40b80ba..84b282815 100644 --- a/translations/hr/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/hr/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,13 +16,13 @@ Grove senzor temperature može se povezati s Raspberry Pi-jem. Povežite senzor temperature. -![Grove senzor temperature](../../../../../translated_images/hr/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove senzor temperature](../../../../../translated_images/hr/grove-dht11.07f8eafceee17004.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na senzoru za vlagu i temperaturu. Kabel će ući samo na jedan način. 1. Dok je Raspberry Pi isključen, spojite drugi kraj Grove kabela na digitalnu utičnicu označenu **D5** na Grove Base hat-u koji je povezan s Pi-jem. Ova utičnica je druga s lijeva, u redu utičnica pored GPIO pinova. -![Grove senzor temperature povezan na utičnicu A0](../../../../../translated_images/hr/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png) +![Grove senzor temperature povezan na utičnicu A0](../../../../../translated_images/hr/pi-temperature-sensor.3ff82fff672c8e56.webp) ## Programiranje senzora temperature diff --git a/translations/hr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/hr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 7fd0c4a38..475512862 100644 --- a/translations/hr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/hr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Dodajte senzore vlage i temperature u CounterFit aplikaciju. 1. Odaberite gumb **Add** za kreiranje senzora vlage na pinu 5. - ![Postavke senzora vlage](../../../../../translated_images/hr/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Postavke senzora vlage](../../../../../translated_images/hr/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Senzor vlage će biti kreiran i pojavit će se na popisu senzora. - ![Kreirani senzor vlage](../../../../../translated_images/hr/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Kreirani senzor vlage](../../../../../translated_images/hr/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Kreirajte senzor temperature: @@ -54,11 +54,11 @@ Dodajte senzore vlage i temperature u CounterFit aplikaciju. 1. Odaberite gumb **Add** za kreiranje senzora temperature na pinu 6. - ![Postavke senzora temperature](../../../../../translated_images/hr/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Postavke senzora temperature](../../../../../translated_images/hr/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Senzor temperature će biti kreiran i pojavit će se na popisu senzora. - ![Kreirani senzor temperature](../../../../../translated_images/hr/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Kreirani senzor temperature](../../../../../translated_images/hr/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Programiranje aplikacije za senzor temperature diff --git a/translations/hr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/hr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index dd4b30409..2f3ab7859 100644 --- a/translations/hr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/hr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove senzor temperature može se povezati na digitalni port Wio Terminala. Povežite senzor temperature. -![Grove senzor temperature](../../../../../translated_images/hr/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove senzor temperature](../../../../../translated_images/hr/grove-dht11.07f8eafceee17004.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na senzoru za vlagu i temperaturu. Kabel će se moći umetnuti samo na jedan način. diff --git a/translations/hr/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/hr/2-farm/lessons/2-detect-soil-moisture/README.md index 3e901f6be..cda8588f1 100644 --- a/translations/hr/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/hr/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C ima sabirnicu sastavljenu od 2 glavne žice, uz 2 žice za napajanje: | VCC | Zajednički kolektor napona | Napajanje za uređaje. Ovo je povezano s SDA i SCL žicama kako bi im osiguralo napajanje putem pull-up otpornika koji isključuje signal kada nijedan uređaj nije kontroler. | | GND | Zemlja | Ovo osigurava zajedničku zemlju za električni krug. | -![I2C sabirnica s 3 uređaja povezana na SDA i SCL žice, dijeleći zajedničku zemlju](../../../../../translated_images/hr/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C sabirnica s 3 uređaja povezana na SDA i SCL žice, dijeleći zajedničku zemlju](../../../../../translated_images/hr/i2c.83da845dde02256b.webp) Za slanje podataka, jedan uređaj će izdati početni uvjet kako bi pokazao da je spreman za slanje podataka. Tada postaje kontroler. Kontroler zatim šalje adresu uređaja s kojim želi komunicirati, zajedno s informacijom želi li čitati ili pisati podatke. Nakon što su podaci preneseni, kontroler šalje završni uvjet kako bi naznačio da je završio. Nakon toga drugi uređaj može postati kontroler i slati ili primati podatke. diff --git a/translations/hr/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/hr/2-farm/lessons/2-detect-soil-moisture/assignment.md index a8ec9ff66..8ae70d2fa 100644 --- a/translations/hr/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/hr/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Ove korake trebate ponoviti više puta kako biste dobili potrebna očitanja, sva Gravimetrijska vlaga tla izračunava se kao: -![postotak vlage tla je težina mokrog tla minus težina suhog tla, podijeljeno s težinom suhog tla, pomnoženo sa 100](../../../../../translated_images/hr/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![postotak vlage tla je težina mokrog tla minus težina suhog tla, podijeljeno s težinom suhog tla, pomnoženo sa 100](../../../../../translated_images/hr/gsm-calculation.6da38c6201eec14e.webp) * W - težina mokrog tla * W - težina suhog tla Na primjer, recimo da imate uzorak tla koji teži 212g mokar i 197g suh. -![Primjer izračuna](../../../../../translated_images/hr/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Primjer izračuna](../../../../../translated_images/hr/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/hr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/hr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index a7b8f54a6..2b0b7a7d3 100644 --- a/translations/hr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/hr/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Grove senzor vlažnosti tla može se spojiti na Raspberry Pi. Spojite senzor vlažnosti tla. -![Grove senzor vlažnosti tla](../../../../../translated_images/hr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor vlažnosti tla](../../../../../translated_images/hr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na senzoru vlažnosti tla. Kabel će ući samo na jedan način. 1. Dok je Raspberry Pi isključen, spojite drugi kraj Grove kabela na analogni priključak označen **A0** na Grove Base Hat-u pričvršćenom na Pi. Ovaj priključak je drugi s desne strane, u redu priključaka pored GPIO pinova. -![Grove senzor vlažnosti tla spojen na A0 priključak](../../../../../translated_images/hr/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Grove senzor vlažnosti tla spojen na A0 priključak](../../../../../translated_images/hr/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Umetnite senzor vlažnosti tla u tlo. Na senzoru postoji oznaka 'najviša pozicija' - bijela linija preko senzora. Umetnite senzor do te linije, ali ne preko nje. diff --git a/translations/hr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/hr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 7a40fb530..1d155cde2 100644 --- a/translations/hr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/hr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Dodajte senzor vlažnosti tla u CounterFit aplikaciju. 1. Kliknite gumb **Add** za kreiranje senzora *Soil Moisture* na pinu 0. - ![Postavke senzora vlažnosti tla](../../../../../translated_images/hr/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Postavke senzora vlažnosti tla](../../../../../translated_images/hr/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Senzor vlažnosti tla bit će kreiran i pojavit će se na popisu senzora. - ![Kreirani senzor vlažnosti tla](../../../../../translated_images/hr/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Kreirani senzor vlažnosti tla](../../../../../translated_images/hr/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Programiranje aplikacije za senzor vlažnosti tla diff --git a/translations/hr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/hr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 6057c22eb..55ff132c0 100644 --- a/translations/hr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/hr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove senzor vlažnosti tla može se povezati na Wio Terminalov konfigurabilni a Povežite senzor vlažnosti tla. -![Grove senzor vlažnosti tla](../../../../../translated_images/hr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor vlažnosti tla](../../../../../translated_images/hr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na senzoru vlažnosti tla. Kabel će ući samo na jedan način. diff --git a/translations/hr/2-farm/lessons/3-automated-plant-watering/README.md b/translations/hr/2-farm/lessons/3-automated-plant-watering/README.md index 37a512034..9b2b2e00d 100644 --- a/translations/hr/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/hr/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Automatsko zalijevanje biljaka -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-7.30b5f577d3cb8e03.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -32,7 +32,7 @@ IoT uređaji koriste napon niske razine. Iako je to dovoljno za senzore i aktuat Rješenje za ovo je povezivanje pumpe na vanjski izvor napajanja i korištenje aktuatora za uključivanje pumpe, slično kao što biste uključili svjetlo. Potrebna je mala količina energije (u obliku energije vašeg tijela) da prstom pritisnete prekidač, čime se svjetlo povezuje s mrežnim napajanjem od 110V/240V. -![Prekidač uključuje napajanje za svjetlo](../../../../../translated_images/hr/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Prekidač uključuje napajanje za svjetlo](../../../../../translated_images/hr/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Mrežna struja](https://wikipedia.org/wiki/Mains_electricity) odnosi se na električnu energiju koja se isporučuje kućama i poslovnim prostorima putem nacionalne infrastrukture u mnogim dijelovima svijeta. @@ -72,7 +72,7 @@ Kada se poluga pomiče, obično možete čuti kako stvara kontakt s elektromagne Elektromagnetu nije potrebno puno energije za aktivaciju i povlačenje poluge, može se kontrolirati pomoću 3.3V ili 5V izlaza s IoT razvojnog kompleta. Izlazni krug može nositi puno više energije, ovisno o releju, uključujući mrežni napon ili čak veće razine snage za industrijsku upotrebu. Na taj način IoT razvojni komplet može kontrolirati sustav za navodnjavanje, od male pumpe za jednu biljku do masivnog industrijskog sustava za cijelu komercijalnu farmu. -![Grove relej s označenim kontrolnim krugom, izlaznim krugom i relejem](../../../../../translated_images/hr/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Grove relej s označenim kontrolnim krugom, izlaznim krugom i relejem](../../../../../translated_images/hr/grove-relay-labelled.293e068f5c3c2a19.webp) Slika iznad prikazuje Grove relej. Kontrolni krug povezuje se s IoT uređajem i uključuje ili isključuje relej koristeći 3.3V ili 5V. Izlazni krug ima dva terminala, bilo koji može biti napajanje ili uzemljenje. Izlazni krug može podnijeti do 250V pri 10A, što je dovoljno za niz uređaja na mrežno napajanje. Možete nabaviti releje koji mogu podnijeti još veće razine snage. diff --git a/translations/hr/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/hr/2-farm/lessons/3-automated-plant-watering/pi-relay.md index f321515fa..826c624d6 100644 --- a/translations/hr/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/hr/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove relej može se povezati s Raspberry Pi-jem. Povežite relej. -![Grove relej](../../../../../translated_images/hr/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relej](../../../../../translated_images/hr/grove-relay.d426958ca210fbd0.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na releju. Kabel će ući samo na jedan način. 1. Dok je Raspberry Pi isključen, spojite drugi kraj Grove kabela na digitalnu utičnicu označenu **D5** na Grove Base Hat-u pričvršćenom na Pi. Ova utičnica je druga s lijeva, u redu utičnica pored GPIO pinova. Ostavite senzor vlažnosti tla povezan na utičnicu **A0**. -![Grove relej povezan na utičnicu D5, a senzor vlažnosti tla povezan na utičnicu A0](../../../../../translated_images/hr/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove relej povezan na utičnicu D5, a senzor vlažnosti tla povezan na utičnicu A0](../../../../../translated_images/hr/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Umetnite senzor vlažnosti tla u tlo, ako već nije iz prethodne lekcije. diff --git a/translations/hr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/hr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 494d86306..a76717ff5 100644 --- a/translations/hr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/hr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Dodajte relej u CounterFit aplikaciju. 1. Kliknite gumb **Add** za kreiranje releja na pinu 5. - ![Postavke releja](../../../../../translated_images/hr/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Postavke releja](../../../../../translated_images/hr/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Relej će biti kreiran i pojavit će se na popisu aktuatora. - ![Kreirani relej](../../../../../translated_images/hr/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Kreirani relej](../../../../../translated_images/hr/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Programiranje releja diff --git a/translations/hr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/hr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index cc23bc69c..625997a52 100644 --- a/translations/hr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/hr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove relej može se povezati na digitalni port Wio Terminala. Povežite relej. -![Grove relej](../../../../../translated_images/hr/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relej](../../../../../translated_images/hr/grove-relay.d426958ca210fbd0.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na releju. Kabel će ući samo na jedan način. diff --git a/translations/hr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/hr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 4e1f7100f..329aae9ce 100644 --- a/translations/hr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/hr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Premjestite svoju biljku u oblak -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-8.3f21f3c11159e6a0.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -46,8 +46,8 @@ Ovo je moglo biti vrlo skupo, zahtijevati širok spektar stručnih zaposlenika i Oblak se često u šali naziva "računalom nekog drugog". Početna ideja bila je jednostavna - umjesto kupnje računala, unajmite računalo nekog drugog. Netko drugi, pružatelj usluga računalstva u oblaku, upravljao bi ogromnim podatkovnim centrima. Oni bi bili odgovorni za kupnju i instalaciju hardvera, upravljanje napajanjem i hlađenjem, umrežavanje, sigurnost zgrade, ažuriranja hardvera i softvera, sve. Kao korisnik, unajmljujete računala koja su vam potrebna, unajmljujete više kada potražnja raste, a smanjujete broj kada potražnja opada. Ovi podatkovni centri nalaze se diljem svijeta. -![Microsoftov podatkovni centar u oblaku](../../../../../translated_images/hr/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Planirano proširenje Microsoftovog podatkovnog centra u oblaku](../../../../../translated_images/hr/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Microsoftov podatkovni centar u oblaku](../../../../../translated_images/hr/azure-region-existing.73f704604f2aa6cb.webp) +![Planirano proširenje Microsoftovog podatkovnog centra u oblaku](../../../../../translated_images/hr/azure-region-planned-expansion.a5074a1e8af74f15.webp) Ovi podatkovni centri mogu biti veličine nekoliko četvornih kilometara. Gornje slike snimljene su prije nekoliko godina u Microsoftovom podatkovnom centru u oblaku i prikazuju početnu veličinu, zajedno s planiranim proširenjem. Površina očišćena za proširenje veća je od 5 četvornih kilometara. @@ -108,11 +108,11 @@ IoT usluge u oblaku rješavaju ove probleme. Njima upravljaju veliki pružatelji IoT uređaji povezuju se s uslugom u oblaku ili pomoću SDK-a za uređaje (biblioteke koja pruža kod za rad s značajkama usluge) ili izravno putem komunikacijskog protokola poput MQTT-a ili HTTP-a. SDK za uređaje obično je najlakši put jer automatski upravlja svime, poput znanja o tome koje teme objaviti ili pretplatiti se, te kako upravljati sigurnošću. -![Uređaji se povezuju s uslugom pomoću SDK-a za uređaje. Serverski kod također se povezuje s uslugom putem SDK-a](../../../../../translated_images/hr/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Uređaji se povezuju s uslugom pomoću SDK-a za uređaje. Serverski kod također se povezuje s uslugom putem SDK-a](../../../../../translated_images/hr/iot-service-connectivity.7e873847921a5d6f.webp) Vaš uređaj tada komunicira s drugim dijelovima vaše aplikacije putem ove usluge - slično kao što ste slali telemetriju i primali naredbe putem MQTT-a. To se obično radi pomoću SDK-a za usluge ili slične biblioteke. Poruke dolaze s vašeg uređaja na uslugu gdje ih drugi dijelovi vaše aplikacije mogu pročitati, a poruke se mogu poslati natrag na vaš uređaj. -![Uređaji bez valjanog tajnog ključa ne mogu se povezati s IoT uslugom](../../../../../translated_images/hr/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Uređaji bez valjanog tajnog ključa ne mogu se povezati s IoT uslugom](../../../../../translated_images/hr/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Ove usluge implementiraju sigurnost tako što znaju za sve uređaje koji se mogu povezati i slati podatke, bilo da su uređaji unaprijed registrirani s uslugom ili im se daju tajni ključevi ili certifikati koje mogu koristiti za registraciju pri prvom povezivanju. Nepoznati uređaji ne mogu se povezati; ako pokušaju, usluga odbija vezu i ignorira poruke koje šalju. @@ -124,7 +124,7 @@ Ostali dijelovi vaše aplikacije mogu se povezati s IoT uslugom i saznati sve o Sada kada imate Azure pretplatu, možete se prijaviti za IoT uslugu. IoT usluga od Microsofta zove se Azure IoT Hub. -![Logotip Azure IoT Hub](../../../../../translated_images/hr/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Logotip Azure IoT Hub](../../../../../translated_images/hr/azure-iot-hub-logo.28a19de76d0a1932.webp) Video ispod daje kratak pregled Azure IoT Hub-a: diff --git a/translations/hr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/hr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index c79175c4e..dcafc70a8 100644 --- a/translations/hr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/hr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Premjestite logiku svoje aplikacije u oblak -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-9.dfe99c8e891f48e1.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -28,7 +28,7 @@ U ovoj lekciji obradit ćemo: Serverless, ili serverless računarstvo, uključuje kreiranje malih blokova koda koji se izvršavaju u oblaku kao odgovor na različite vrste događaja. Kada se dogodi događaj, vaš kod se pokreće i dobiva podatke o tom događaju. Ti događaji mogu dolaziti iz različitih izvora, uključujući web zahtjeve, poruke stavljene u red, promjene podataka u bazi podataka ili poruke koje IoT uređaji šalju IoT usluzi. -![Događaji koji se šalju iz IoT usluge u serverless uslugu, svi se obrađuju istovremeno pomoću više funkcija koje se pokreću](../../../../../translated_images/hr/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Događaji koji se šalju iz IoT usluge u serverless uslugu, svi se obrađuju istovremeno pomoću više funkcija koje se pokreću](../../../../../translated_images/hr/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ako ste prije koristili okidače u bazama podataka, ovo možete zamisliti kao sličan koncept - kod koji se pokreće događajem, poput umetanja retka. @@ -54,7 +54,7 @@ Kao IoT programer, serverless model je idealan. Možete napisati funkciju koja s Microsoftova usluga za serverless računarstvo zove se Azure Functions. -![Logo Azure Functions](../../../../../translated_images/hr/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Logo Azure Functions](../../../../../translated_images/hr/azure-functions-logo.1cfc8e3204c9c44a.webp) Kratki video ispod daje pregled Azure Functions. diff --git a/translations/hr/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/hr/2-farm/lessons/6-keep-your-plant-secure/README.md index ec15b40f4..8ff251ed3 100644 --- a/translations/hr/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/hr/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Osigurajte svoju biljku -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-10.829c86b80b9403bb.webp) > Sketchnote autor [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -52,11 +52,11 @@ Ovo su scenariji iz stvarnog svijeta i događaju se stalno. Neki primjeri su nav Kada se uređaj povezuje s IoT uslugom, koristi ID za identifikaciju. Problem je što se taj ID može klonirati - haker bi mogao postaviti zlonamjerni uređaj koji koristi isti ID kao pravi uređaj, ali šalje lažne podatke. -![I pravi i zlonamjerni uređaji mogli bi koristiti isti ID za slanje telemetrije](../../../../../translated_images/hr/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![I pravi i zlonamjerni uređaji mogli bi koristiti isti ID za slanje telemetrije](../../../../../translated_images/hr/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Rješenje za ovo je pretvaranje podataka koji se šalju u šifrirani format, koristeći neku vrijednost poznatu samo uređaju i oblaku. Ovaj proces se naziva *šifriranje*, a vrijednost koja se koristi za šifriranje podataka naziva se *ključ za šifriranje*. -![Ako se koristi šifriranje, tada će biti prihvaćene samo šifrirane poruke, ostale će biti odbijene](../../../../../translated_images/hr/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ako se koristi šifriranje, tada će biti prihvaćene samo šifrirane poruke, ostale će biti odbijene](../../../../../translated_images/hr/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Usluga u oblaku tada može pretvoriti podatke natrag u čitljiv format, koristeći proces nazvan *dešifriranje*, koristeći ili isti ključ za šifriranje ili *ključ za dešifriranje*. Ako se šifrirana poruka ne može dešifrirati pomoću ključa, uređaj je hakiran i poruka se odbija. diff --git a/translations/hr/3-transport/lessons/1-location-tracking/README.md b/translations/hr/3-transport/lessons/1-location-tracking/README.md index 4f0045628..29dfab46f 100644 --- a/translations/hr/3-transport/lessons/1-location-tracking/README.md +++ b/translations/hr/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Praćenje lokacije -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-11.9fddbac4b664c6d5.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -63,13 +63,13 @@ Zemlja je sfera - trodimenzionalni krug. Zbog toga se točke definiraju dijeljen > 💁 Nitko zapravo ne zna izvorni razlog zašto su krugovi podijeljeni na 360 stupnjeva. [Stranica o stupnjevima (kut) na Wikipediji](https://wikipedia.org/wiki/Degree_(angle)) pokriva neke od mogućih razloga. -![Linije geografske širine od 90° na Sjevernom polu, 45° na pola puta između Sjevernog pola i ekvatora, 0° na ekvatoru, -45° na pola puta između ekvatora i Južnog pola, i -90° na Južnom polu](../../../../../translated_images/hr/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Linije geografske širine od 90° na Sjevernom polu, 45° na pola puta između Sjevernog pola i ekvatora, 0° na ekvatoru, -45° na pola puta između ekvatora i Južnog pola, i -90° na Južnom polu](../../../../../translated_images/hr/latitude-lines.11d8d91dfb2014a5.webp) Geografska širina mjeri se pomoću linija koje kruže Zemljom i paralelne su s ekvatorom, dijeleći sjevernu i južnu hemisferu na po 90°. Ekvator je na 0°, Sjeverni pol na 90°, također poznat kao 90° sjeverno, a Južni pol na -90°, ili 90° južno. Geografska dužina mjeri se kao broj stupnjeva prema istoku i zapadu. Početna točka od 0° geografske dužine naziva se *Glavni meridijan* i definirana je 1884. godine kao linija od Sjevernog do Južnog pola koja prolazi kroz [Kraljevski opservatorij u Greenwichu, Engleska](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Linije geografske dužine koje idu od -180° zapadno od Glavnog meridijana, do 0° na Glavnom meridijanu, do 180° istočno od Glavnog meridijana](../../../../../translated_images/hr/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Linije geografske dužine koje idu od -180° zapadno od Glavnog meridijana, do 0° na Glavnom meridijanu, do 180° istočno od Glavnog meridijana](../../../../../translated_images/hr/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Meridijan je zamišljena ravna linija koja ide od Sjevernog do Južnog pola, tvoreći polukrug. @@ -100,7 +100,7 @@ Koordinate za točku uvijek se daju kao `geografska širina, geografska dužina` * Geografsku širinu od 47.6423109 (47.6423109 stupnjeva sjeverno od ekvatora) * Geografsku dužinu od -122.1390293 (122.1390293 stupnjeva zapadno od Glavnog meridijana). -![Microsoftov kampus na 47.6423109,-122.117198](../../../../../translated_images/hr/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Microsoftov kampus na 47.6423109,-122.117198](../../../../../translated_images/hr/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Globalni pozicijski sustavi (GPS) @@ -112,7 +112,7 @@ GPS sustavi rade tako što imaju niz satelita koji šalju signal s trenutnom poz > 💁 GPS senzori trebaju antene za detekciju radio valova. Antene ugrađene u kamione i automobile s ugrađenim GPS-om postavljene su tako da imaju dobar signal, obično na vjetrobranskom staklu ili krovu. Ako koristite zaseban GPS sustav, poput pametnog telefona ili IoT uređaja, trebate osigurati da antena ugrađena u GPS sustav ili telefon ima jasan pogled na nebo, poput postavljanja na vjetrobransko staklo. -![Pozicija se može izračunati znajući udaljenost od senzora do više satelita](../../../../../translated_images/hr/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Pozicija se može izračunati znajući udaljenost od senzora do više satelita](../../../../../translated_images/hr/gps-satellites.04acf1148fe25fbf.webp) GPS sateliti kruže oko Zemlje, nisu na fiksnoj točki iznad senzora, pa podaci o lokaciji uključuju nadmorsku visinu iznad razine mora, kao i geografsku širinu i dužinu. diff --git a/translations/hr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/hr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index e38028372..2cf0818d2 100644 --- a/translations/hr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/hr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS senzor može se povezati s Raspberry Pi-jem. Povežite GPS senzor. -![Grove GPS senzor](../../../../../translated_images/hr/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/hr/grove-gps-sensor.247943bf69b03f0d.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na GPS senzoru. Kabel će ući samo na jedan način. 1. Dok je Raspberry Pi isključen, povežite drugi kraj Grove kabela s UART utičnicom označenom **UART** na Grove Base hatu pričvršćenom na Pi. Ova utičnica nalazi se u srednjem redu, na strani najbližoj utoru za SD karticu, na suprotnoj strani od USB portova i ethernet utičnice. - ![Grove GPS senzor povezan s UART utičnicom](../../../../../translated_images/hr/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS senzor povezan s UART utičnicom](../../../../../translated_images/hr/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Postavite GPS senzor tako da povezana antena ima vidljivost prema nebu - idealno pored otvorenog prozora ili vani. Lakše je dobiti jasniji signal bez prepreka između antene i neba. diff --git a/translations/hr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/hr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 3f75d753b..517d0ceb6 100644 --- a/translations/hr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/hr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Dodajte GPS senzor u CounterFit aplikaciju. 1. Odaberite gumb **Add** za kreiranje GPS senzora na portu `/dev/ttyAMA0`. - ![Postavke GPS senzora](../../../../../translated_images/hr/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Postavke GPS senzora](../../../../../translated_images/hr/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS senzor će biti kreiran i pojavit će se na popisu senzora. - ![Kreirani GPS senzor](../../../../../translated_images/hr/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Kreirani GPS senzor](../../../../../translated_images/hr/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Programiranje GPS senzora @@ -102,17 +102,17 @@ Programirajte aplikaciju za GPS senzor. * Postavite **Source** na `Lat/Lon`, i postavite eksplicitnu geografsku širinu, dužinu i broj satelita korištenih za GPS fiks. Ova vrijednost će biti poslana samo jednom, pa označite **Repeat** okvir kako bi se podaci ponavljali svake sekunde. - ![GPS senzor s odabranim lat lon](../../../../../translated_images/hr/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS senzor s odabranim lat lon](../../../../../translated_images/hr/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Postavite **Source** na `NMEA` i dodajte neke NMEA rečenice u tekstualni okvir. Sve ove vrijednosti će biti poslane, s odgodom od 1 sekunde prije svake nove GGA (pozicijski fiks) rečenice koja se može pročitati. - ![GPS senzor s postavljenim NMEA rečenicama](../../../../../translated_images/hr/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS senzor s postavljenim NMEA rečenicama](../../../../../translated_images/hr/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Možete koristiti alat poput [nmeagen.org](https://www.nmeagen.org) za generiranje ovih rečenica crtanjem na karti. Ove vrijednosti će biti poslane samo jednom, pa označite **Repeat** okvir kako bi se podaci ponavljali jednu sekundu nakon što su svi poslani. * Postavite **Source** na GPX datoteku i učitajte GPX datoteku s lokacijama staza. GPX datoteke možete preuzeti s brojnih popularnih stranica za kartografiju i planinarenje, poput [AllTrails](https://www.alltrails.com/). Ove datoteke sadrže više GPS lokacija kao stazu, a GPS senzor će vraćati svaku novu lokaciju u intervalima od 1 sekunde. - ![GPS senzor s postavljenom GPX datotekom](../../../../../translated_images/hr/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS senzor s postavljenom GPX datotekom](../../../../../translated_images/hr/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Ove vrijednosti će biti poslane samo jednom, pa označite **Repeat** okvir kako bi se podaci ponavljali jednu sekundu nakon što su svi poslani. diff --git a/translations/hr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/hr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 7de3744af..705de588c 100644 --- a/translations/hr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/hr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS senzor može se povezati s Wio Terminalom. Povežite GPS senzor. -![Grove GPS senzor](../../../../../translated_images/hr/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/hr/grove-gps-sensor.247943bf69b03f0d.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na GPS senzoru. Kabel će ući samo na jedan način. diff --git a/translations/hr/3-transport/lessons/2-store-location-data/README.md b/translations/hr/3-transport/lessons/2-store-location-data/README.md index e45b6d1a7..08e11676b 100644 --- a/translations/hr/3-transport/lessons/2-store-location-data/README.md +++ b/translations/hr/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Podaci o lokaciji trgovine -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-12.ca7f53039712a3ec.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -75,7 +75,7 @@ NoSQL baze podataka nazivaju se NoSQL jer nemaju istu krutu strukturu kao SQL ba > 💁 Unatoč njihovom nazivu, neke NoSQL baze podataka omogućuju korištenje SQL-a za upite podataka. -![Dokumenti u mapama u NoSQL bazi podataka](../../../../../translated_images/hr/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Dokumenti u mapama u NoSQL bazi podataka](../../../../../translated_images/hr/noqsl-database.62d24ccf5b73f60d.webp) NoSQL baze podataka nemaju unaprijed definiranu shemu koja ograničava način pohrane podataka, umjesto toga možete umetnuti bilo koje nestrukturirane podatke, obično koristeći JSON dokumente. Ovi dokumenti mogu se organizirati u mape, slično datotekama na vašem računalu. Svaki dokument može imati različita polja od drugih dokumenata - na primjer, ako pohranjujete IoT podatke s vaših poljoprivrednih vozila, neki mogu imati polja za podatke akcelerometra i brzine, drugi mogu imati polja za temperaturu u prikolici. Ako biste dodali novu vrstu kamiona, poput onog s ugrađenim vagama za praćenje težine prevezenih proizvoda, vaš IoT uređaj mogao bi dodati ovo novo polje i ono bi se moglo pohraniti bez ikakvih promjena u bazi podataka. @@ -89,7 +89,7 @@ U ovoj lekciji koristit ćete NoSQL pohranu za pohranu IoT podataka. U prethodnoj lekciji ste prikupili GPS podatke s GPS senzora povezanog s vašim IoT uređajem. Da biste pohranili ove IoT podatke u oblaku, morate ih poslati IoT usluzi. Ponovno ćete koristiti Azure IoT Hub, istu IoT uslugu u oblaku koju ste koristili u prethodnom projektu. -![Slanje GPS telemetrije s IoT uređaja u IoT Hub](../../../../../translated_images/hr/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Slanje GPS telemetrije s IoT uređaja u IoT Hub](../../../../../translated_images/hr/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Zadatak - slanje GPS podataka u IoT Hub @@ -171,7 +171,7 @@ Podaci hladnog puta pohranjuju se u skladištima podataka - bazama podataka diza Kada podaci teku u vaš IoT Hub, možete napisati serverless kod za slušanje događaja objavljenih na Event-Hub kompatibilnom endpointu. Ovo je topli put - ovi podaci će se pohraniti i koristiti u sljedećoj lekciji za izvještavanje o putovanju. -![Slanje GPS telemetrije s IoT uređaja u IoT Hub, zatim u Azure Functions putem okidača event hub-a](../../../../../translated_images/hr/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Slanje GPS telemetrije s IoT uređaja u IoT Hub, zatim u Azure Functions putem okidača event hub-a](../../../../../translated_images/hr/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Zadatak - obrada GPS događaja pomoću serverless koda @@ -193,7 +193,7 @@ Kada podaci teku u vaš IoT Hub, možete napisati serverless kod za slušanje do ## Azure Storage računi -![Logo Azure Storage-a](../../../../../translated_images/hr/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Logo Azure Storage-a](../../../../../translated_images/hr/azure-storage-logo.605c0f602c640d48.webp) Azure Storage računi su univerzalna usluga za pohranu koja može pohranjivati podatke na različite načine. Možete pohranjivati podatke kao blobove, u redovima, u tablicama ili kao datoteke, i sve to istovremeno. diff --git a/translations/hr/3-transport/lessons/3-visualize-location-data/README.md b/translations/hr/3-transport/lessons/3-visualize-location-data/README.md index f119d693a..31a584767 100644 --- a/translations/hr/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/hr/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Vizualizacija podataka o lokaciji -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-13.a259db1485021be7.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -64,11 +64,11 @@ Uzmimo jednostavan primjer - u projektu farme prikupljali ste podatke o vlažnos Kao ljudima, razumijevanje ovih podataka može biti teško. To je zid brojeva bez ikakvog značenja. Kao prvi korak u vizualizaciji ovih podataka, mogu se iscrtati na linijskom grafikonu: -![Linijski grafikon gore navedenih podataka](../../../../../translated_images/hr/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Linijski grafikon gore navedenih podataka](../../../../../translated_images/hr/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Ovo se može dodatno poboljšati dodavanjem linije koja označava kada je automatski sustav za zalijevanje uključen pri očitanju vlažnosti tla od 450: -![Linijski grafikon vlažnosti tla s linijom na 450](../../../../../translated_images/hr/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Linijski grafikon vlažnosti tla s linijom na 450](../../../../../translated_images/hr/chart-soil-moisture-relay.fbb391236d34a64d.webp) Ovaj grafikon vrlo brzo pokazuje ne samo razine vlažnosti tla, već i točke kada je sustav za zalijevanje uključen. @@ -84,7 +84,7 @@ Kada radite s GPS podacima, najjasnija vizualizacija može biti iscrtavanje poda Rad s kartama je zanimljiv zadatak, a postoji mnogo opcija poput Bing Maps, Leaflet, Open Street Maps i Google Maps. U ovoj lekciji naučit ćete o [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) i kako oni mogu prikazati vaše GPS podatke. -![Azure Maps logo](../../../../../translated_images/hr/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Azure Maps logo](../../../../../translated_images/hr/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps je "zbirka geoprostornih usluga i SDK-ova koji koriste svježe podatke o kartama kako bi pružili geografski kontekst za web i mobilne aplikacije." Programerima su dostupni alati za stvaranje lijepih, interaktivnih karata koje mogu, primjerice, pružiti preporučene prometne rute, informacije o prometnim incidentima, unutarnju navigaciju, mogućnosti pretraživanja, informacije o nadmorskoj visini, vremenske usluge i još mnogo toga. @@ -185,7 +185,7 @@ Sada možete prijeći na sljedeći korak, a to je prikazivanje karte na web stra Ako otvorite svoju `index.html` stranicu u web pregledniku, trebali biste vidjeti kartu učitanu i fokusiranu na područje Seattlea. - ![Karta koja prikazuje Seattle, grad u saveznoj državi Washington, SAD](../../../../../translated_images/hr/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Karta koja prikazuje Seattle, grad u saveznoj državi Washington, SAD](../../../../../translated_images/hr/map-image.8fb2c53eb23ef39c.webp) ✅ Eksperimentirajte s parametrima za zumiranje i centriranje kako biste promijenili prikaz karte. Možete dodati različite koordinate koje odgovaraju širini i dužini vaših podataka kako biste ponovno centrirali kartu. @@ -319,7 +319,7 @@ Ako pokušate pristupiti svojoj pohrani kako biste dohvatili podatke, mogli bist 1. Učitajte HTML stranicu u svoj preglednik. Stranica će učitati kartu, zatim učitati sve GPS podatke iz pohrane i prikazati ih na karti. - ![Karta Saint Edward State Parka blizu Seattlea, s krugovima koji prikazuju put oko ruba parka](../../../../../translated_images/hr/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Karta Saint Edward State Parka blizu Seattlea, s krugovima koji prikazuju put oko ruba parka](../../../../../translated_images/hr/map-path.896832e72dc696ff.webp) > 💁 Ovaj kod možete pronaći u [code](../../../../../3-transport/lessons/3-visualize-location-data/code) mapi. diff --git a/translations/hr/3-transport/lessons/4-geofences/README.md b/translations/hr/3-transport/lessons/4-geofences/README.md index fe502b134..b34c6d7b5 100644 --- a/translations/hr/3-transport/lessons/4-geofences/README.md +++ b/translations/hr/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geoograde -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-14.63980c5150ae3c15.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -35,7 +35,7 @@ U ovoj lekciji obradit ćemo: Geooograda je virtualni perimetar za stvarnu geografsku regiju. Geooograde mogu biti krugovi definirani kao točka i radijus (na primjer, krug širine 100m oko zgrade) ili poligon koji pokriva područje poput školske zone, granica grada, sveučilišnog ili uredskog kampusa. -![Primjeri geooograda koji prikazuju kružnu geooogradu oko Microsoftove trgovine i poligonsku geooogradu oko zapadnog kampusa Microsofta](../../../../../translated_images/hr/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Primjeri geooograda koji prikazuju kružnu geooogradu oko Microsoftove trgovine i poligonsku geooogradu oko zapadnog kampusa Microsofta](../../../../../translated_images/hr/geofence-examples.172fbc534665769f.webp) > 💁 Možda ste već koristili geooograde, a da to niste znali. Ako ste postavili podsjetnik pomoću aplikacije iOS Reminders ili Google Keep na temelju lokacije, koristili ste geooogradu. Te aplikacije postavljaju geooogradu na temelju zadane lokacije i obavještavaju vas kada vaš telefon uđe u geooogradu. @@ -212,7 +212,7 @@ Važno je znati udaljenost do ruba geooograde i kombinirati je s drugim informac Na primjer, zamislite GPS očitanja koja pokazuju da je vozilo vozilo cestom koja završava uz geooogradu. Ako jedno GPS očitanje nije točno i postavi vozilo unutar geooograde, unatoč tome što nema pristupa vozilima, tada se može zanemariti. -![GPS trag koji pokazuje vozilo koje prolazi Microsoft kampusom na 520, s GPS očitanjima duž ceste osim jednog na kampusu, unutar geooograde](../../../../../translated_images/hr/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS trag koji pokazuje vozilo koje prolazi Microsoft kampusom na 520, s GPS očitanjima duž ceste osim jednog na kampusu, unutar geooograde](../../../../../translated_images/hr/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) Na gornjoj slici prikazan je geofence preko dijela Microsoft kampusa. Crvena linija prikazuje kamion koji vozi duž autoceste 520, s krugovima koji označavaju GPS očitanja. Većina tih očitanja je točna i nalazi se duž autoceste 520, dok jedno netočno očitanje pokazuje lokaciju unutar geofencea. Nema načina da to očitanje bude ispravno - nema cesta koje bi omogućile kamionu da iznenada skrene s autoceste 520 na kampus, a zatim se vrati na autocestu 520. Kod koji provjerava ovaj geofence morat će uzeti u obzir prethodna očitanja prije nego što djeluje na rezultate testa geofencea. ✅ Koje dodatne podatke biste trebali provjeriti kako biste utvrdili može li se GPS očitanje smatrati točnim? @@ -284,7 +284,7 @@ Kao što se sjećate iz prethodnih lekcija, IoT Hub omogućuje ponovno reproduci Odgovor je da ne može! Umjesto toga, možete definirati više odvojenih veza za čitanje događaja, a svaka od njih može upravljati reprodukcijom nepročitanih poruka. To se zove *potrošačke grupe*. Kada se povežete s krajnjom točkom, možete odrediti koju potrošačku grupu želite koristiti. Svaka komponenta vaše aplikacije povezat će se s različitom potrošačkom grupom. -![Jedan IoT Hub s 3 potrošačke grupe koje distribuiraju iste poruke na 3 različite Functions aplikacije](../../../../../translated_images/hr/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Jedan IoT Hub s 3 potrošačke grupe koje distribuiraju iste poruke na 3 različite Functions aplikacije](../../../../../translated_images/hr/consumer-groups.a3262e26fc27ba20.webp) Teoretski, do 5 aplikacija može se povezati s svakom potrošačkom grupom, i sve će primati poruke kada stignu. Najbolja praksa je imati samo jednu aplikaciju koja pristupa svakoj potrošačkoj grupi kako bi se izbjeglo dupliciranje obrade poruka i osiguralo da se prilikom ponovnog pokretanja sve poruke u redu obrađuju ispravno. Na primjer, ako pokrenete svoju Functions aplikaciju lokalno, kao i u oblaku, obje bi obrađivale poruke, što bi dovelo do dupliciranja blobova pohranjenih u storage računu. diff --git a/translations/hr/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/hr/4-manufacturing/lessons/1-train-fruit-detector/README.md index 4fcd702f4..490ff33fd 100644 --- a/translations/hr/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/hr/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Trenirajte detektor kvalitete voća -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -38,7 +38,7 @@ Ne sazrijevaju svi usjevi ravnomjerno. Na primjer, rajčice mogu imati još zele Porast automatizirane berbe premjestio je sortiranje proizvoda s berbe na tvornicu. Hrana bi putovala na dugim pokretnim trakama s timovima ljudi koji pregledavaju proizvode i uklanjaju sve što ne zadovoljava potrebne standarde kvalitete. Berba je bila jeftinija zahvaljujući strojevima, ali još uvijek je postojao trošak ručnog sortiranja hrane. -![Ako se otkrije crvena rajčica, nastavlja svoj put neometano. Ako se otkrije zelena rajčica, poluga je izbacuje u otpadnu posudu](../../../../../translated_images/hr/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ako se otkrije crvena rajčica, nastavlja svoj put neometano. Ako se otkrije zelena rajčica, poluga je izbacuje u otpadnu posudu](../../../../../translated_images/hr/optical-tomato-sorting.61aa134bdda4e5b1.webp) Sljedeća evolucija bila je korištenje strojeva za sortiranje, bilo ugrađenih u berač ili u pogonima za obradu. Prva generacija ovih strojeva koristila je optičke senzore za otkrivanje boja, kontrolirajući aktuatore koji su gurali zelene rajčice u otpadnu posudu pomoću poluga ili mlazova zraka, ostavljajući crvene rajčice da nastave na mreži pokretnih traka. @@ -62,7 +62,7 @@ Na primjer, mogli biste dati modelu milijune slika nezrelih banana kao ulazne po > 🎓 Rezultati ML modela nazivaju se *predikcije* -![2 banane, jedna zrela s predikcijom od 99.7% zrelo, 0.3% nezrelo, i jedna nezrela s predikcijom od 1.4% zrelo, 98.6% nezrelo](../../../../../translated_images/hr/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banane, jedna zrela s predikcijom od 99.7% zrelo, 0.3% nezrelo, i jedna nezrela s predikcijom od 1.4% zrelo, 98.6% nezrelo](../../../../../translated_images/hr/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) ML modeli ne daju binarni odgovor, već daju vjerojatnosti. Na primjer, model može dobiti sliku banane i predvidjeti `zrelo` s 99.7% i `nezrelo` s 0.3%. Vaš kod bi tada odabrao najbolju predikciju i odlučio da je banana zrela. @@ -90,7 +90,7 @@ Postoji širok raspon alata koji vam mogu pomoći u tome, uključujući usluge t Custom Vision je alat temeljen na oblaku za obuku klasifikatora slika. Omogućuje vam obuku klasifikatora koristeći samo mali broj slika. Možete učitati slike putem web portala, web API-ja ili SDK-a, dajući svakoj slici *oznaku* koja predstavlja klasifikaciju te slike. Zatim obučavate model i testirate ga kako biste vidjeli koliko dobro radi. Kada ste zadovoljni modelom, možete objaviti njegove verzije koje se mogu koristiti putem web API-ja ili SDK-a. -![Logotip Azure Custom Vision](../../../../../translated_images/hr/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Logotip Azure Custom Vision](../../../../../translated_images/hr/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Možete obučiti model Custom Vision s samo 5 slika po klasifikaciji, ali više je bolje. Možete dobiti bolje rezultate s barem 30 slika. @@ -146,7 +146,7 @@ Da biste koristili Custom Vision, prvo morate kreirati dva resursa za kognitivne Kada kreirate svoj projekt, obavezno koristite resurs `fruit-quality-detector-training` koji ste ranije kreirali. Koristite *Classification* kao tip projekta, *Multiclass* kao tip klasifikacije i *Food* kao domen. - ![Postavke za projekt Custom Vision s nazivom postavljenim na fruit-quality-detector, bez opisa, resursom postavljenim na fruit-quality-detector-training, tipom projekta postavljenim na classification, tipom klasifikacije postavljenim na multi class i domenom postavljenom na food](../../../../../translated_images/hr/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Postavke za projekt Custom Vision s nazivom postavljenim na fruit-quality-detector, bez opisa, resursom postavljenim na fruit-quality-detector-training, tipom projekta postavljenim na classification, tipom klasifikacije postavljenim na multi class i domenom postavljenom na food](../../../../../translated_images/hr/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Odvojite malo vremena za istraživanje Custom Vision UI-ja za vaš klasifikator slika. @@ -164,7 +164,7 @@ Klasifikatori slika rade na vrlo niskoj rezoluciji. Na primjer, Custom Vision mo * Koristeći 2 zrele banane, snimite nekoliko slika svake iz različitih kutova, snimajući najmanje 7 slika (5 za treniranje, 2 za testiranje), ali idealno više. - ![Fotografije 2 različite banane](../../../../../translated_images/hr/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Fotografije 2 različite banane](../../../../../translated_images/hr/banana-training-images.530eb203346d73bc.webp) * Ponovite isti postupak koristeći 2 nezrele banane. @@ -174,7 +174,7 @@ Klasifikatori slika rade na vrlo niskoj rezoluciji. Na primjer, Custom Vision mo 1. Slijedite [odjeljak za učitavanje i označavanje slika u vodiču za izradu klasifikatora na Microsoft dokumentaciji](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) kako biste učitali slike za treniranje. Označite zrelo voće kao `ripe`, a nezrelo voće kao `unripe`. - ![Dijalozi za učitavanje koji prikazuju učitavanje slika zrelih i nezrelih banana](../../../../../translated_images/hr/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dijalozi za učitavanje koji prikazuju učitavanje slika zrelih i nezrelih banana](../../../../../translated_images/hr/image-upload-bananas.0751639f3815e0ec.webp) 1. Slijedite [odjeljak za treniranje klasifikatora u vodiču za izradu klasifikatora na Microsoft dokumentaciji](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) kako biste trenirali klasifikator slika na učitanim slikama. @@ -192,7 +192,7 @@ Nakon što je vaš klasifikator treniran, možete ga testirati tako da mu date n 1. Slijedite [dokumentaciju za testiranje modela na Microsoft dokumentaciji](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) kako biste testirali svoj klasifikator slika. Koristite slike za testiranje koje ste ranije stvorili, a ne slike koje ste koristili za treniranje. - ![Nezrela banana predviđena kao nezrela s 98.9% vjerojatnosti, zrela s 1.1% vjerojatnosti](../../../../../translated_images/hr/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Nezrela banana predviđena kao nezrela s 98.9% vjerojatnosti, zrela s 1.1% vjerojatnosti](../../../../../translated_images/hr/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Isprobajte sve slike za testiranje koje imate i promatrajte vjerojatnosti. diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/README.md index b8f5fea32..ad0629ff6 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Provjera kvalitete voća pomoću IoT uređaja -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-16.215daf18b00631fb.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -26,7 +26,7 @@ U ovoj lekciji obradit ćemo: Senzori kamera, kako ime sugerira, su kamere koje možete povezati s vašim IoT uređajem. Oni mogu snimati statične slike ili streaming video. Neki će vraćati sirove podatke slike, dok će drugi komprimirati podatke slike u datoteku poput JPEG-a ili PNG-a. Obično su kamere koje rade s IoT uređajima mnogo manje i niže rezolucije nego što ste navikli, ali možete nabaviti kamere visoke rezolucije koje se mogu usporediti s vrhunskim telefonima. Dostupni su razni izmjenjivi objektivi, višestruki setovi kamera, infracrvene termalne kamere ili UV kamere. -![Svjetlost iz scene prolazi kroz objektiv i fokusira se na CMOS senzor](../../../../../translated_images/hr/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Svjetlost iz scene prolazi kroz objektiv i fokusira se na CMOS senzor](../../../../../translated_images/hr/cmos-sensor.75f9cd74decb1371.webp) Većina senzora kamera koristi senzore slike gdje je svaki piksel fotodioda. Objektiv fokusira sliku na senzor slike, a tisuće ili milijuni fotodioda detektiraju svjetlost koja pada na svaku od njih i bilježe to kao podatke piksela. @@ -74,7 +74,7 @@ Iteracije se objavljuju iz portala Custom Vision. 1. Kliknite gumb **Publish** za iteraciju. - ![Gumb za objavljivanje](../../../../../translated_images/hr/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Gumb za objavljivanje](../../../../../translated_images/hr/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. U dijalogu *Publish Model*, postavite *Prediction resource* na resurs `fruit-quality-detector-prediction` koji ste kreirali u prethodnoj lekciji. Ostavite naziv kao `Iteration2` i kliknite gumb **Publish**. @@ -88,7 +88,7 @@ Iteracije se objavljuju iz portala Custom Vision. Također kopirajte vrijednost *Prediction-Key*. Ovo je sigurnosni ključ koji morate proslijediti prilikom pozivanja modela. Samo aplikacije koje proslijede ovaj ključ smiju koristiti model, sve ostale aplikacije bit će odbijene. - ![Dijalog API-ja za predikciju koji prikazuje URL i ključ](../../../../../translated_images/hr/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dijalog API-ja za predikciju koji prikazuje URL i ključ](../../../../../translated_images/hr/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Kada se objavi nova iteracija, imat će drugačiji naziv. Kako mislite da biste promijenili iteraciju koju IoT uređaj koristi? @@ -109,7 +109,7 @@ Možda ćete primijetiti da rezultati koje dobijete prilikom korištenja kamere Da biste dobili najbolje rezultate za klasifikator slika, želite trenirati model s slikama koje su što sličnije slikama koje se koriste za predikcije. Ako ste koristili kameru telefona za snimanje slika za trening, na primjer, kvaliteta slike, oštrina i boja bit će drugačiji od kamere povezane s IoT uređajem. -![2 slike banana, jedna niske rezolucije s lošim osvjetljenjem s IoT uređaja, i jedna visoke rezolucije s dobrim osvjetljenjem s telefona](../../../../../translated_images/hr/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 slike banana, jedna niske rezolucije s lošim osvjetljenjem s IoT uređaja, i jedna visoke rezolucije s dobrim osvjetljenjem s telefona](../../../../../translated_images/hr/banana-picture-compare.174df164dc326a42.webp) Na slici iznad, slika banane s lijeve strane snimljena je pomoću Raspberry Pi kamere, dok je slika s desne strane snimljena istog banana na istom mjestu pomoću iPhonea. Primjetna je razlika u kvaliteti - slika s iPhonea je oštrija, s svjetlijim bojama i većim kontrastom. diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index a197eea41..a1b0f25e4 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Kamera se može povezati s Raspberry Pi-jem pomoću vrpčastog kabela. ### Zadatak - povezivanje kamere -![Raspberry Pi kamera](../../../../../translated_images/hr/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Raspberry Pi kamera](../../../../../translated_images/hr/pi-camera-module.4278753c31bd6e75.webp) 1. Isključite napajanje Pi-ja. @@ -24,17 +24,17 @@ Kamera se može povezati s Raspberry Pi-jem pomoću vrpčastog kabela. Animaciju koja prikazuje kako otvoriti kopču i umetnuti kabel možete pronaći u [Raspberry Pi dokumentaciji za početak rada s modulom kamere](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Vrpčasti kabel umetnut u modul kamere](../../../../../translated_images/hr/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Vrpčasti kabel umetnut u modul kamere](../../../../../translated_images/hr/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Uklonite Grove Base Hat s Pi-ja. 1. Provucite vrpčasti kabel kroz utor za kameru na Grove Base Hat-u. Provjerite je li plava strana kabela okrenuta prema analognim priključcima označenim **A0**, **A1** itd. - ![Vrpčasti kabel prolazi kroz Grove Base Hat](../../../../../translated_images/hr/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Vrpčasti kabel prolazi kroz Grove Base Hat](../../../../../translated_images/hr/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Umetnite vrpčasti kabel u priključak za kameru na Pi-ju. Ponovno, povucite crnu plastičnu kopču prema gore, umetnite kabel, a zatim gurnite kopču natrag. Plava strana kabela trebala bi biti okrenuta prema USB i Ethernet priključcima. - ![Vrpčasti kabel povezan s priključkom za kameru na Pi-ju](../../../../../translated_images/hr/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Vrpčasti kabel povezan s priključkom za kameru na Pi-ju](../../../../../translated_images/hr/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Ponovno postavite Grove Base Hat. @@ -101,7 +101,7 @@ Programirajte uređaj. Linija `camera.rotation = 0` postavlja rotaciju slike. Vrpčasti kabel ulazi na dno kamere, ali ako je vaša kamera rotirana kako bi lakše usmjerila predmet koji želite klasificirati, možete promijeniti ovu liniju na broj stupnjeva rotacije. - ![Kamera visi iznad limenke pića](../../../../../translated_images/hr/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Kamera visi iznad limenke pića](../../../../../translated_images/hr/pi-camera-upside-down.5376961ba3145988.webp) Na primjer, ako objesite vrpčasti kabel iznad nečega tako da je na vrhu kamere, postavite rotaciju na 180: diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index a3937fb7d..d039de3e5 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Usluga Custom Vision ima Python SDK koji možete koristiti za klasifikaciju slik Moći ćete vidjeti sliku koja je snimljena, i ove vrijednosti u **Predictions** kartici u Custom Vision. - ![Banana u Custom Visionu predviđena kao zrela s 56.8% i nezrela s 43.1%](../../../../../translated_images/hr/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banana u Custom Visionu predviđena kao zrela s 56.8% i nezrela s 43.1%](../../../../../translated_images/hr/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Ovaj kod možete pronaći u mapi [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) ili [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index f23614857..6342129ef 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Dodajte kameru u aplikaciju CounterFit. 1. Odaberite gumb **Add** za kreiranje kamere. - ![Postavke kamere](../../../../../translated_images/hr/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Postavke kamere](../../../../../translated_images/hr/counterfit-create-camera.a5de97f59c0bd3cb.webp) Kamera će biti kreirana i pojavit će se na popisu senzora. - ![Kreirana kamera](../../../../../translated_images/hr/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Kreirana kamera](../../../../../translated_images/hr/counterfit-camera.001ec52194c8ee5d.webp) ## Programiranje kamere @@ -103,7 +103,7 @@ Programirajte uređaj. 1. Konfigurirajte sliku koju će kamera u CounterFit snimiti. Možete postaviti *Source* na *File*, zatim učitati datoteku slike, ili postaviti *Source* na *WebCam*, i slike će se snimati s vaše web kamere. Pobrinite se da odaberete gumb **Set** nakon odabira slike ili web kamere. - ![CounterFit s datotekom postavljenom kao izvor slike i web kamerom koja prikazuje osobu koja drži bananu u pregledu web kamere](../../../../../translated_images/hr/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit s datotekom postavljenom kao izvor slike i web kamerom koja prikazuje osobu koja drži bananu u pregledu web kamere](../../../../../translated_images/hr/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Slika će biti snimljena i spremljena kao `image.jpg` u trenutnoj mapi. Vidjet ćete ovu datoteku u exploreru VS Code-a. Odaberite datoteku za pregled slike. Ako je potrebna rotacija, ažurirajte liniju `camera.rotation = 0` prema potrebi i snimite novu sliku. diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 52401262b..14c1f75d6 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam nema Grove priključak, već se povezuje na SPI i I2C sabirnice putem GP Povežite kameru. -![Senzor ArduCam](../../../../../translated_images/hr/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Senzor ArduCam](../../../../../translated_images/hr/arducam.20e4e4cbb2682965.webp) 1. Pinovi na bazi ArduCam-a trebaju biti povezani na GPIO pinove na Wio Terminalu. Kako biste lakše pronašli odgovarajuće pinove, zalijepite naljepnicu s GPIO pinovima koja dolazi uz Wio Terminal oko pinova: @@ -35,7 +35,7 @@ Povežite kameru. | SDA | 3 (I2C1_SDA) | I2C serijski podaci | | SCL | 5 (I2C1_SCL) | I2C serijski sat | - ![Wio Terminal povezan s ArduCam-om pomoću žica](../../../../../translated_images/hr/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal povezan s ArduCam-om pomoću žica](../../../../../translated_images/hr/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) GND i VCC veze osiguravaju napajanje od 5V za ArduCam. Kamera radi na 5V, za razliku od Grove senzora koji rade na 3V. Ovo napajanje dolazi direktno iz USB-C priključka koji napaja uređaj. @@ -456,7 +456,7 @@ Wio Terminal podržava samo microSD kartice do 16GB. Ako imate veću SD karticu, 1. Isključite microSD karticu i izvadite je laganim pritiskom i otpuštanjem, te će iskočiti. Možda ćete morati koristiti tanki alat za ovo. Priključite microSD karticu na svoje računalo kako biste pregledali slike. - ![Slika banane snimljena pomoću ArduCam-a](../../../../../translated_images/hr/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Slika banane snimljena pomoću ArduCam-a](../../../../../translated_images/hr/banana-arducam.be1b32d4267a8194.webp) 💁 Možda će biti potrebno nekoliko slika da se bijela ravnoteža kamere prilagodi. Primijetit ćete to na temelju boje snimljenih slika, prve nekoliko mogu izgledati neispravno u boji. Uvijek možete zaobići ovo promjenom koda kako biste snimili nekoliko slika koje se ignoriraju u funkciji `setup`. diff --git a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index e78c2aafc..d7a3fd7c4 100644 --- a/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/hr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Ovi certifikati sadrže javne ključeve i ne moraju biti čuvani u tajnosti. Mo Moći ćete vidjeti sliku koja je snimljena i ove vrijednosti na kartici **Predictions** u Custom Visionu. - ![Banana u Custom Visionu predviđena kao zrela s 56.8% i nezrela s 43.1%](../../../../../translated_images/hr/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banana u Custom Visionu predviđena kao zrela s 56.8% i nezrela s 43.1%](../../../../../translated_images/hr/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Ovaj kod možete pronaći u mapi [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/hr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/hr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 7a4d6277c..6c92558bd 100644 --- a/translations/hr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/hr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Pokrenite svoj detektor voća na rubu -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-17.bc333c3c35ba8e42.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -33,11 +33,11 @@ U ovoj lekciji obradit ćemo: Rubno računalstvo uključuje korištenje računala koja obrađuju IoT podatke što bliže mjestu gdje se ti podaci generiraju. Umjesto da se obrada odvija u oblaku, ona se premješta na rub oblaka - vašu internu mrežu. -![Dijagram arhitekture koji prikazuje internetske usluge u oblaku i IoT uređaje na lokalnoj mreži](../../../../../translated_images/hr/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Dijagram arhitekture koji prikazuje internetske usluge u oblaku i IoT uređaje na lokalnoj mreži](../../../../../translated_images/hr/cloud-without-edge.b4da641f6022c95e.webp) U dosadašnjim lekcijama, imali ste uređaje koji prikupljaju podatke i šalju ih u oblak na analizu, pokrećući funkcije bez poslužitelja ili AI modele u oblaku. -![Dijagram arhitekture koji prikazuje IoT uređaje na lokalnoj mreži povezane s rubnim uređajima, a ti rubni uređaji povezani su s oblakom](../../../../../translated_images/hr/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Dijagram arhitekture koji prikazuje IoT uređaje na lokalnoj mreži povezane s rubnim uređajima, a ti rubni uređaji povezani su s oblakom](../../../../../translated_images/hr/cloud-with-edge.1e26462c62c126fe.webp) Rubno računalstvo uključuje premještanje nekih usluga iz oblaka na računala koja rade na istoj mreži kao i IoT uređaji, komunicirajući s oblakom samo kada je to potrebno. Na primjer, možete pokretati AI modele na rubnim uređajima za analizu zrelosti voća, a u oblak slati samo analitiku, poput broja zrelih i nezrelih komada voća. @@ -85,7 +85,7 @@ Za IoT sustave, često ćete željeti kombinaciju računalstva u oblaku i na rub ## Azure IoT Edge -![Logotip Azure IoT Edge](../../../../../translated_images/hr/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Logotip Azure IoT Edge](../../../../../translated_images/hr/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge je usluga koja vam može pomoći da premjestite radne zadatke iz oblaka na rub. Postavljate uređaj kao rubni uređaj, a iz oblaka možete implementirati kod na taj rubni uređaj. To vam omogućuje kombiniranje mogućnosti oblaka i ruba. @@ -99,7 +99,7 @@ IoT Edge je ugrađen u IoT Hub, tako da možete upravljati rubnim uređajima kor IoT Edge pokreće kod iz *kontejnera* - samostalnih aplikacija koje se pokreću izolirano od ostatka aplikacija na vašem računalu. Kada pokrenete kontejner, on djeluje kao zasebno računalo koje radi unutar vašeg računala, sa svojim vlastitim softverom, uslugama i aplikacijama. Većinu vremena kontejneri ne mogu pristupiti ničemu na vašem računalu osim ako ne odlučite dijeliti stvari poput mape s kontejnerom. Kontejner tada izlaže usluge putem otvorenog porta kojem možete pristupiti ili ga izložiti svojoj mreži. -![Web zahtjev preusmjeren na kontejner](../../../../../translated_images/hr/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Web zahtjev preusmjeren na kontejner](../../../../../translated_images/hr/container-web-browser.4ee81dd4f0d8838c.webp) Na primjer, možete imati kontejner s web stranicom koja radi na portu 80, zadani HTTP port, i možete ga izložiti sa svog računala također na portu 80. @@ -195,11 +195,11 @@ Nakon što je model treniran, potrebno ga je izvesti kao kontejner. ## Priprema kontejnera za implementaciju -![Kontejneri se kreiraju, zatim šalju u registry kontejnera, a potom se implementiraju na edge uređaj koristeći IoT Edge](../../../../../translated_images/hr/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Kontejneri se kreiraju, zatim šalju u registry kontejnera, a potom se implementiraju na edge uređaj koristeći IoT Edge](../../../../../translated_images/hr/container-edge-flow.c246050dd60ceefd.webp) Nakon što ste preuzeli svoj model, potrebno ga je izgraditi u kontejner, a zatim poslati u registry kontejnera - online lokaciju za pohranu kontejnera. IoT Edge može zatim preuzeti kontejner iz registryja i poslati ga na vaš uređaj. -![Logo Azure Container Registry](../../../../../translated_images/hr/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Logo Azure Container Registry](../../../../../translated_images/hr/azure-container-registry-logo.09494206991d4b29.webp) Registry kontejnera koji ćete koristiti za ovu lekciju je Azure Container Registry. Ovo nije besplatna usluga, pa kako biste uštedjeli novac, pobrinite se da [očistite svoj projekt](../../../clean-up.md) nakon što završite. diff --git a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index 7ebe4e1a5..4e6a1b743 100644 --- a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Pokretanje detekcije kvalitete voća pomoću senzora -![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Pregled lekcije u obliku sketchnotea](../../../../../translated_images/hr/lesson-18.92c32ed1d354caa5.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -39,7 +39,7 @@ IoT aplikacije mogu se opisati kao *stvari* (uređaji) koje šalju podatke koji ### Referentna IoT arhitektura -![Referentna IoT arhitektura](../../../../../translated_images/hr/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Referentna IoT arhitektura](../../../../../translated_images/hr/iot-reference-architecture.2278b98b55c6d4e8.webp) Gornji dijagram prikazuje referentnu IoT arhitekturu. @@ -49,7 +49,7 @@ Gornji dijagram prikazuje referentnu IoT arhitekturu. * **Uvidi** dolaze iz serverless aplikacija ili iz analize pohranjenih podataka. * **Akcije** mogu biti naredbe poslane uređajima ili vizualizacija podataka koja omogućuje ljudima donošenje odluka. -![Referentna IoT arhitektura](../../../../../translated_images/hr/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Referentna IoT arhitektura](../../../../../translated_images/hr/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Gornji dijagram prikazuje neke od komponenti i usluga obrađenih u ovim lekcijama i kako se povezuju u referentnoj IoT arhitekturi. @@ -89,7 +89,7 @@ Morate izgraditi sustav gdje se voće detektira čim stigne na pokretnu traku, z ### Prototipiranje aplikacije -![Referentna IoT arhitektura za provjeru kvalitete voća](../../../../../translated_images/hr/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Referentna IoT arhitektura za provjeru kvalitete voća](../../../../../translated_images/hr/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Gornji dijagram prikazuje referentnu arhitekturu za ovu prototip aplikaciju. @@ -124,7 +124,7 @@ Prođite kroz odgovarajući vodič za korištenje senzora blizine za detekciju o Prototip detektora voća ima više komponenti koje međusobno komuniciraju. -![Komponente koje međusobno komuniciraju](../../../../../translated_images/hr/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Komponente koje međusobno komuniciraju](../../../../../translated_images/hr/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Senzor blizine mjeri udaljenost do komada voća i šalje to u IoT Hub * Naredba za upravljanje kamerom dolazi iz IoT Hub-a prema uređaju s kamerom diff --git a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index e28ade353..5e83f7679 100644 --- a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Grove Time of Flight senzor može se povezati s Raspberry Pi-jem. Povežite senzor Time of Flight. -![Grove Time of Flight senzor](../../../../../translated_images/hr/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove Time of Flight senzor](../../../../../translated_images/hr/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na senzoru Time of Flight. Kabel će se umetnuti samo na jedan način. diff --git a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 6b0cae24d..10887ef93 100644 --- a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Dodajte senzor udaljenosti u CounterFit aplikaciju. 1. Kliknite na gumb **Add** za kreiranje senzora udaljenosti. - ![Postavke senzora udaljenosti](../../../../../translated_images/hr/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Postavke senzora udaljenosti](../../../../../translated_images/hr/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Senzor udaljenosti će biti kreiran i pojavit će se na popisu senzora. - ![Kreirani senzor udaljenosti](../../../../../translated_images/hr/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Kreirani senzor udaljenosti](../../../../../translated_images/hr/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Programiranje senzora udaljenosti diff --git a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 0c92c30be..25e3b5c26 100644 --- a/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/hr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove senzor Time of Flight može se povezati s Wio Terminalom. Povežite senzor Time of Flight. -![Grove senzor Time of Flight](../../../../../translated_images/hr/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove senzor Time of Flight](../../../../../translated_images/hr/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Umetnite jedan kraj Grove kabela u priključak na senzoru Time of Flight. Kabel će ući samo na jedan način. diff --git a/translations/hr/5-retail/lessons/1-train-stock-detector/README.md b/translations/hr/5-retail/lessons/1-train-stock-detector/README.md index 38d78d449..478856c2e 100644 --- a/translations/hr/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/hr/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Trenirajte detektor zaliha -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-19.cf6973cecadf080c.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -36,7 +36,7 @@ Prepoznavanje objekata uključuje detekciju objekata na slikama pomoću AI-a. Za Klasifikacija slika odnosi se na klasifikaciju cijele slike - koje su vjerojatnosti da cijela slika odgovara svakoj oznaci. Dobivate natrag vjerojatnosti za svaku oznaku korištenu za treniranje modela. -![Klasifikacija slika indijskih oraščića i paste od rajčice](../../../../../translated_images/hr/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Klasifikacija slika indijskih oraščića i paste od rajčice](../../../../../translated_images/hr/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) U gornjem primjeru, dvije slike su klasificirane pomoću modela treniranog za klasifikaciju posuda s indijskim oraščićima ili konzervi paste od rajčice. Prva slika prikazuje posudu s indijskim oraščićima i ima dva rezultata iz klasifikatora slika: @@ -60,7 +60,7 @@ Kada ga zatim koristite za predviđanje slika, umjesto da dobijete popis oznaka > 🎓 *Okviri* su pravokutnici oko objekta. -![Prepoznavanje objekata indijskih oraščića i paste od rajčice](../../../../../translated_images/hr/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Prepoznavanje objekata indijskih oraščića i paste od rajčice](../../../../../translated_images/hr/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Gornja slika sadrži i posudu s indijskim oraščićima i tri konzerve paste od rajčice. Detektor objekata detektirao je indijske oraščiće, vraćajući okvir koji sadrži indijske oraščiće s postotkom vjerojatnosti da okvir sadrži objekt, u ovom slučaju 97.6%. Detektor objekata također je detektirao tri konzerve paste od rajčice i pruža tri odvojena okvira, po jedan za svaku detektiranu konzervu, a svaki ima postotak vjerojatnosti da okvir sadrži konzervu paste od rajčice. @@ -109,7 +109,7 @@ Možete trenirati detektor objekata koristeći Custom Vision, na sličan način Kada kreirate svoj projekt, obavezno koristite resurs `stock-detector-training` koji ste ranije kreirali. Koristite tip projekta *Object Detection* i domenu *Products on Shelves*. - ![Postavke za Custom Vision projekt s nazivom postavljenim na fruit-quality-detector, bez opisa, resursom postavljenim na fruit-quality-detector-training, tipom projekta postavljenim na classification, vrstama klasifikacije postavljenim na multi class i domenama postavljenim na food](../../../../../translated_images/hr/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Postavke za Custom Vision projekt s nazivom postavljenim na fruit-quality-detector, bez opisa, resursom postavljenim na fruit-quality-detector-training, tipom projekta postavljenim na classification, vrstama klasifikacije postavljenim na multi class i domenama postavljenim na food](../../../../../translated_images/hr/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Domena *Products on Shelves* posebno je usmjerena na detekciju zaliha na policama trgovina. Pročitajte više o različitim domenama u [dokumentaciji o odabiru domena na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection). @@ -131,11 +131,11 @@ Za treniranje modela trebat će vam skup slika koje sadrže objekte koje želite 1. Slijedite [odjeljak Upload i označavanje slika u vodiču za brzi početak na Microsoft dokumentaciji](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) kako biste učitali svoje slike za treniranje. Kreirajte relevantne oznake ovisno o vrstama objekata koje želite detektirati. - ![Dijalozi za upload koji prikazuju upload slika zrelih i nezrelih banana](../../../../../translated_images/hr/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Dijalozi za upload koji prikazuju upload slika zrelih i nezrelih banana](../../../../../translated_images/hr/image-upload-object-detector.77c7892c3093cb59.webp) Kada crtate okvire za objekte, držite ih čvrsto oko objekta. Može potrajati neko vrijeme da označite sve slike, ali alat će detektirati ono što misli da su okviri, čineći proces bržim. - ![Označavanje paste od rajčice](../../../../../translated_images/hr/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Označavanje paste od rajčice](../../../../../translated_images/hr/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ako imate više od 15 slika za svaki objekt, možete trenirati nakon 15, a zatim koristiti značajku **Predložene oznake**. Ovo će koristiti trenirani model za detekciju objekata na neoznačenim slikama. Zatim možete potvrditi detektirane objekte ili odbaciti i ponovno nacrtati okvire. Ovo može uštedjeti *puno* vremena. @@ -153,7 +153,7 @@ Kada je vaš detektor objekata treniran, možete ga testirati dajući mu nove sl 1. Koristite gumb **Quick Test** za upload testnih slika i provjeru jesu li objekti detektirani. Koristite testne slike koje ste ranije kreirali, a ne bilo koju od slika koje ste koristili za treniranje. - ![3 konzerve paste od rajčice detektirane s vjerojatnostima od 38%, 35.5% i 34.6%](../../../../../translated_images/hr/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 konzerve paste od rajčice detektirane s vjerojatnostima od 38%, 35.5% i 34.6%](../../../../../translated_images/hr/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Isprobajte sve testne slike koje imate i promatrajte vjerojatnosti. diff --git a/translations/hr/5-retail/lessons/2-check-stock-device/README.md b/translations/hr/5-retail/lessons/2-check-stock-device/README.md index c0b2e20bc..21081c650 100644 --- a/translations/hr/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/hr/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Provjera zaliha s IoT uređajem -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-20.0211df9551a8abb3.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -62,7 +62,7 @@ Iteracije se objavljuju putem Custom Vision portala. 1. Kliknite gumb **Publish** za iteraciju. - ![Gumb za objavu](../../../../../translated_images/hr/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Gumb za objavu](../../../../../translated_images/hr/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. U dijaloškom okviru *Publish Model*, postavite *Prediction resource* na resurs `stock-detector-prediction` koji ste stvorili u prethodnoj lekciji. Ostavite naziv kao `Iteration2` i kliknite gumb **Publish**. @@ -76,7 +76,7 @@ Iteracije se objavljuju putem Custom Vision portala. Također kopirajte vrijednost *Prediction-Key*. Ovo je sigurnosni ključ koji morate proslijediti prilikom pozivanja modela. Samo aplikacije koje proslijede ovaj ključ mogu koristiti model, sve ostale aplikacije bit će odbijene. - ![Dijaloški okvir za API predikcije koji prikazuje URL i ključ](../../../../../translated_images/hr/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dijaloški okvir za API predikcije koji prikazuje URL i ključ](../../../../../translated_images/hr/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Kada se objavi nova iteracija, imat će drugačiji naziv. Kako mislite da biste promijenili iteraciju koju koristi IoT uređaj? @@ -95,7 +95,7 @@ Kada koristite detektor objekata, ne dobivate samo prepoznate objekte s njihovim Rezultati predikcije u kartici **Predictions** u Custom Visionu imaju ograničavajuće okvire nacrtane na slici koja je poslana na predikciju. -![4 konzerve rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 konzerve rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca341.webp) Na slici iznad, prepoznate su 4 konzerve rajčice. U rezultatima je crveni kvadrat prekriven za svaki objekt koji je prepoznat na slici, označavajući ograničavajući okvir za sliku. @@ -103,7 +103,7 @@ Na slici iznad, prepoznate su 4 konzerve rajčice. U rezultatima je crveni kvadr Ograničavajući okviri definirani su s 4 vrijednosti - top, left, height i width. Ove vrijednosti su na skali od 0-1, predstavljajući pozicije kao postotak veličine slike. Ishodište (pozicija 0,0) je gornji lijevi kut slike, tako da je top vrijednost udaljenost od vrha, a dno ograničavajućeg okvira je top plus height. -![Ograničavajući okvir oko konzerve rajčice](../../../../../translated_images/hr/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Ograničavajući okvir oko konzerve rajčice](../../../../../translated_images/hr/bounding-box.1420a7ea0d3d15f7.webp) Slika iznad je široka 600 piksela i visoka 800 piksela. Ograničavajući okvir počinje na 320 piksela od vrha, dajući top koordinatu od 0.4 (800 x 0.4 = 320). S lijeve strane, okvir počinje na 240 piksela, dajući left koordinatu od 0.4 (600 x 0.4 = 240). Visina okvira je 240 piksela, dajući height vrijednost od 0.3 (800 x 0.3 = 240). Širina okvira je 120 piksela, dajući width vrijednost od 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Korištenje postotnih vrijednosti od 0-1 znači da bez obzira na veličinu slike Možete koristiti ograničavajuće okvire u kombinaciji s vjerojatnostima za procjenu točnosti detekcije. Na primjer, detektor objekata može prepoznati više objekata koji se preklapaju, primjerice prepoznati jednu konzervu unutar druge. Vaš kod može provjeriti ograničavajuće okvire, shvatiti da je to nemoguće, i ignorirati sve objekte koji se značajno preklapaju s drugim objektima. -![Dva ograničavajuća okvira preklapaju konzervu rajčice](../../../../../translated_images/hr/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Dva ograničavajuća okvira preklapaju konzervu rajčice](../../../../../translated_images/hr/overlap-object-detection.d431e03cae75072a.webp) U primjeru iznad, jedan ograničavajući okvir označava predviđenu konzervu rajčice s 78.3%. Drugi okvir je nešto manji i nalazi se unutar prvog okvira s vjerojatnošću od 64.3%. Vaš kod može provjeriti ograničavajuće okvire, vidjeti da se potpuno preklapaju i ignorirati nižu vjerojatnost jer nije moguće da jedna konzerva bude unutar druge. diff --git a/translations/hr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/hr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 7251d3fc5..e9ddbf702 100644 --- a/translations/hr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/hr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Kod koji ste koristili za klasifikaciju slika vrlo je sličan kodu za detekciju Moći ćete vidjeti sliku koja je snimljena i ove vrijednosti u kartici **Predictions** u Custom Vision. - ![4 limenke paste od rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 limenke paste od rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Ovaj kod možete pronaći u mapi [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) ili [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/hr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/hr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 17ed42e1d..6f216980e 100644 --- a/translations/hr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/hr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Kod koji ste koristili za klasifikaciju slika vrlo je sličan kodu za detekciju Moći ćete vidjeti sliku koja je snimljena, kao i ove vrijednosti na kartici **Predictions** u Custom Vision. - ![4 konzerve paste od rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 konzerve paste od rajčice na polici s predikcijama za 4 detekcije od 35.8%, 33.5%, 25.7% i 16.6%](../../../../../translated_images/hr/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Ovaj kod možete pronaći u mapi [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/hr/6-consumer/lessons/1-speech-recognition/README.md b/translations/hr/6-consumer/lessons/1-speech-recognition/README.md index 982e5de1f..b49f66a2a 100644 --- a/translations/hr/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/hr/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Prepoznajte govor pomoću IoT uređaja -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-21.e34de51354d6606f.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -51,7 +51,7 @@ Mikrofoni dolaze u raznim vrstama: Dinamički mikrofoni ne trebaju napajanje za rad, električni signal se stvara isključivo iz mikrofona. - ![Patti Smith pjeva u Shure SM58 (dinamički kardioidni tip) mikrofon](../../../../../translated_images/hr/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith pjeva u Shure SM58 (dinamički kardioidni tip) mikrofon](../../../../../translated_images/hr/dynamic-mic.8babac890a2d80df.webp) * Trakasti - Trakasti mikrofoni slični su dinamičkim mikrofonima, osim što imaju metalnu traku umjesto membrane. Ova traka se pomiče u magnetskom polju stvarajući električnu struju. Kao i dinamički mikrofoni, trakasti mikrofoni ne trebaju napajanje za rad. @@ -59,11 +59,11 @@ Mikrofoni dolaze u raznim vrstama: * Kondenzatorski - Kondenzatorski mikrofoni imaju tanku metalnu membranu i fiksnu metalnu stražnju ploču. Elektricitet se primjenjuje na obje ove komponente, a kako membrana vibrira, statički naboj između ploča se mijenja generirajući signal. Kondenzatorski mikrofoni trebaju napajanje za rad - nazvano *Phantom power*. - ![C451B mali kondenzatorski mikrofon s membranom od AKG Acoustics](../../../../../translated_images/hr/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B mali kondenzatorski mikrofon s membranom od AKG Acoustics](../../../../../translated_images/hr/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Mikroelektromehanički sustavi mikrofona, ili MEMS, su mikrofoni na čipu. Imaju dijafragmu osjetljivu na pritisak ugraviranu na silicijski čip i rade slično kondenzatorskom mikrofonu. Ovi mikrofoni mogu biti vrlo mali i integrirani u elektroničke sklopove. - ![MEMS mikrofon na pločici](../../../../../translated_images/hr/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS mikrofon na pločici](../../../../../translated_images/hr/mems-microphone.80574019e1f5e4d9.webp) Na slici iznad, čip označen **LEFT** je MEMS mikrofon, s dijafragmom manjom od jednog milimetra. @@ -159,7 +159,7 @@ Kako biste izbjegli složenost treniranja i korištenja modela za budnu riječ, ## Pretvorba govora u tekst -![Logotip govorne usluge](../../../../../translated_images/hr/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logotip govorne usluge](../../../../../translated_images/hr/azure-speech-logo.a1f08c4befb0159f.webp) Kao i kod klasifikacije slika u ranijem projektu, postoje unaprijed izgrađene AI usluge koje mogu uzeti govor kao audio datoteku i pretvoriti ga u tekst. Jedna od takvih usluga je Govorna usluga, dio Cognitive Services, unaprijed izgrađenih AI usluga koje možete koristiti u svojim aplikacijama. diff --git a/translations/hr/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/hr/6-consumer/lessons/1-speech-recognition/pi-audio.md index 7b7376dae..79b365f4f 100644 --- a/translations/hr/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/hr/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Gumb se može spojiti na Grove bazni HAT. #### Zadatak - spojite gumb -![Grove gumb](../../../../../translated_images/hr/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Grove gumb](../../../../../translated_images/hr/grove-button.a70cfbb809a85636.webp) 1. Umetnite jedan kraj Grove kabela u utičnicu na modulu gumba. Kabel će ući samo na jedan način. 1. S isključenim Raspberry Pi uređajem, spojite drugi kraj Grove kabela na digitalnu utičnicu označenu **D5** na Grove baznom HAT-u pričvršćenom na Pi. Ova utičnica je druga s lijeva, u redu utičnica pored GPIO pinova. -![Grove gumb spojen na utičnicu D5](../../../../../translated_images/hr/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove gumb spojen na utičnicu D5](../../../../../translated_images/hr/pi-button.c7a1a4f55943341c.webp) ## Snimanje zvuka diff --git a/translations/hr/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/hr/6-consumer/lessons/1-speech-recognition/pi-microphone.md index ccbefa859..2585ee753 100644 --- a/translations/hr/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/hr/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Mikrofon i zvučnici moraju biti povezani i konfigurirani. 1. Ako koristite ReSpeaker 2-Mics Pi HAT, možete ukloniti Grove osnovni hat, a zatim postaviti ReSpeaker hat na njegovo mjesto. - ![Raspberry Pi s ReSpeaker hatom](../../../../../translated_images/hr/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi s ReSpeaker hatom](../../../../../translated_images/hr/pi-respeaker-hat.f00fabe7dd039a93.webp) Kasnije u ovoj lekciji trebat će vam Grove gumb, ali jedan je ugrađen u ovaj hat, pa Grove osnovni hat nije potreban. diff --git a/translations/hr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/hr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 4d9ec550f..23827a9b9 100644 --- a/translations/hr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/hr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Ugrađeni mikrofon snima analogni signal, koji se zatim pretvara u digitalni sig ✅ Pročitajte više o DMA na [stranici o izravnom pristupu memoriji na Wikipediji](https://wikipedia.org/wiki/Direct_memory_access). -![Zvuk s mikrofona ide u ADC, zatim u DMAC. DMAC zapisuje u jedan međuspremnik. Kada se taj međuspremnik napuni, obrađuje se, a DMAC zapisuje u drugi međuspremnik](../../../../../translated_images/hr/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Zvuk s mikrofona ide u ADC, zatim u DMAC. DMAC zapisuje u jedan međuspremnik. Kada se taj međuspremnik napuni, obrađuje se, a DMAC zapisuje u drugi međuspremnik](../../../../../translated_images/hr/dmac-adc-buffers.4509aee49145c90b.webp) DMAC može snimati zvuk s ADC-a u fiksnim intervalima, primjerice 16.000 puta u sekundi za zvuk od 16 kHz. Može zapisivati te snimljene podatke u unaprijed dodijeljeni memorijski međuspremnik, a kada se on napuni, obavještava vaš kod da ga obradi. Korištenje ovog međuspremnika može odgoditi snimanje zvuka, ali možete postaviti više međuspremnika. DMAC zapisuje u međuspremnik 1, a kada se on napuni, obavještava vaš kod da obradi međuspremnik 1, dok DMAC zapisuje u međuspremnik 2. Kada se međuspremnik 2 napuni, obavještava vaš kod i vraća se na zapisivanje u međuspremnik 1. Na taj način, sve dok obrađujete svaki međuspremnik u kraćem vremenu nego što je potrebno da se jedan napuni, nećete izgubiti podatke. diff --git a/translations/hr/6-consumer/lessons/2-language-understanding/README.md b/translations/hr/6-consumer/lessons/2-language-understanding/README.md index e2bda3028..692d636b7 100644 --- a/translations/hr/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/hr/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Razumijevanje jezika -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-22.6148ea28500d9e00.webp) > Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -46,7 +46,7 @@ Modeli za razumijevanje jezika su AI modeli koji su obučeni za izdvajanje odre ## Kreiranje modela za razumijevanje jezika -![LUIS logo](../../../../../translated_images/hr/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![LUIS logo](../../../../../translated_images/hr/luis-logo.5cb4f3e88c020ee6.webp) Možete kreirati modele za razumijevanje jezika koristeći LUIS, uslugu za razumijevanje jezika od Microsofta koja je dio Cognitive Services. @@ -169,7 +169,7 @@ Upute za korištenje LUIS portala možete pronaći u [Quickstart: Build your app 1. Dok unosite svaki primjer, LUIS će početi prepoznavati entitete i podcrtavati te označavati sve što pronađe. - ![Primjeri s podcrtanim brojevima i jedinicama vremena koje je prepoznao LUIS](../../../../../translated_images/hr/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Primjeri s podcrtanim brojevima i jedinicama vremena koje je prepoznao LUIS](../../../../../translated_images/hr/luis-intent-examples.25716580b2d2723c.webp) ### Zadatak - treniranje i testiranje modela diff --git a/translations/hr/6-consumer/lessons/3-spoken-feedback/README.md b/translations/hr/6-consumer/lessons/3-spoken-feedback/README.md index ab50c21d7..feb8c09ae 100644 --- a/translations/hr/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/hr/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Postavite mjerač vremena i pružite povratne informacije putem govora -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-23.f38483e1d4df4828.webp) > Sketchnote autor [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. diff --git a/translations/hr/6-consumer/lessons/4-multiple-language-support/README.md b/translations/hr/6-consumer/lessons/4-multiple-language-support/README.md index 6a644406b..1584044b9 100644 --- a/translations/hr/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/hr/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Podrška za više jezika -![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Sketchnote pregled ove lekcije](../../../../../translated_images/hr/lesson-24.4246968ed058510a.webp) > Sketchnote autor [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliku za veću verziju. @@ -74,7 +74,7 @@ Postoji niz AI usluga koje se mogu koristiti iz vaših aplikacija za prevođenje ### Cognitive services Speech service -![Logo govorne usluge](../../../../../translated_images/hr/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo govorne usluge](../../../../../translated_images/hr/azure-speech-logo.a1f08c4befb0159f.webp) Govorna usluga koju ste koristili u proteklim lekcijama ima mogućnosti prevođenja za prepoznavanje govora. Kada prepoznate govor, možete zatražiti ne samo tekst govora na istom jeziku, već i na drugim jezicima. @@ -82,7 +82,7 @@ Govorna usluga koju ste koristili u proteklim lekcijama ima mogućnosti prevođe ### Cognitive services Translator service -![Logo usluge prevoditelja](../../../../../translated_images/hr/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Logo usluge prevoditelja](../../../../../translated_images/hr/azure-translator-logo.c6ed3a4a433edfd2.webp) Usluga Translator je posvećena usluga prevođenja koja može prevesti tekst s jednog jezika na jedan ili više ciljanih jezika. Osim prevođenja, podržava širok raspon dodatnih značajki, uključujući maskiranje vulgarnosti. Također vam omogućuje da pružite specifičan prijevod za određenu riječ ili rečenicu, kako biste radili s pojmovima koje ne želite prevesti ili imate specifičan poznati prijevod. diff --git a/translations/hr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/hr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 630c32d8d..bcbc033d2 100644 --- a/translations/hr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/hr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API za uslugu govora ne podržava direktne prijevode, ali možete koristiti > > Na primjer, ako trenirate LUIS na engleskom, ali želite koristiti francuski kao jezik korisnika, možete prevesti rečenice poput "postavi mjerač vremena na 2 minute i 27 sekundi" s engleskog na francuski koristeći Bing Translate, a zatim koristiti gumb **Listen translation** za izgovaranje prijevoda u mikrofon. > - > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a9.webp) 1. Dodajte API ključ prevoditelja ispod `speech_api_key`: diff --git a/translations/hr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/hr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index b022178e3..5b96a078b 100644 --- a/translations/hr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/hr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Usluga za govor može uzeti govor i ne samo pretvoriti ga u tekst na istom jezik > > Na primjer, ako trenirate LUIS na engleskom, ali želite koristiti francuski kao jezik korisnika, možete prevesti rečenice poput "set a 2 minute and 27 second timer" s engleskog na francuski koristeći Bing Translate, a zatim koristiti gumb **Listen translation** za izgovaranje prijevoda u mikrofon. > - > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a9.webp) 1. Zamijenite deklaracije `recognizer_config` i `recognizer` sljedećim: diff --git a/translations/hr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/hr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index cfccbf5da..28d65d053 100644 --- a/translations/hr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/hr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API usluge govora ne podržava izravna prevođenja, no možete koristiti us > > Na primjer, ako trenirate LUIS na engleskom, ali želite koristiti francuski kao jezik korisnika, možete prevesti rečenice poput "set a 2 minute and 27 second timer" s engleskog na francuski koristeći Bing Translate, a zatim koristiti gumb **Listen translation** za izgovaranje prijevoda u mikrofon. > - > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb za slušanje prijevoda na Bing Translate](../../../../../translated_images/hr/bing-translate.348aa796d6efe2a9.webp) 1. Dodajte API ključ i lokaciju prevoditelja ispod `SPEECH_LOCATION`: diff --git a/translations/hr/README.md b/translations/hr/README.md index f66fc5583..d04d0b234 100644 --- a/translations/hr/README.md +++ b/translations/hr/README.md @@ -8,53 +8,63 @@ [![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/) -### Pridružite se zajednici Azure AI Foundry +### Pridružite se Azure AI Foundry Zajednici -Ako zapnete ili imate pitanja o izradi AI aplikacija. Pridružite se drugim učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica u kojoj su pitanja dobrodošla, a znanje se slobodno dijeli. +Ako zapnete ili imate bilo kakvih pitanja o izradi AI aplikacija. Pridružite se učenicima i iskusnim programerima u raspravama o MCP-u. To je podržavajuća zajednica gdje su pitanja dobrodošla i znanje se slobodno dijeli. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ako imate povratne informacije o proizvodu ili greške tijekom izrade, posjetite: +Ako imate povratne informacije o proizvodu ili greške prilikom izrade, posjetite: [![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) -Slijedite ove korake da biste započeli s korištenjem ovih resursa: +Slijedite ove korake za početak korištenja ovih resursa: 1. **Forkajte repozitorij**: 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. **Kloni repozitorij**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +2. **Klonirajte repozitorij**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` 3. [**Pridružite se Microsoft Foundry Discordu i upoznajte stručnjake i druge programere**](https://discord.com/invite/ByRwuEEgH4) -### 🌐 Višejezična podrška +### 🌐 Podrška za Više Jezika -#### Podržano putem GitHub akcije (automatizirano i uvijek ažurno) +#### Podržano putem GitHub akcije (Automatski i Uvijek ažurirano) -[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](./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](../ro/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](./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](../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) -> **Želite li radije klonirati lokalno?** - -> Ovaj repozitorij uključuje prijevode na 50+ jezika što znatno povećava veličinu preuzimanja. Da biste klonirali bez prijevoda, koristite sparse checkout: +> **Radije ga želite klonirati lokalno?** +> +> Ovaj repozitorij uključuje 50+ prijevoda jezika što značajno povećava veličinu preuzimanja. Za kloniranje bez prijevoda, koristite 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' > ``` -> Ovo vam daje sve što vam treba za završetak tečaja uz puno brže preuzimanje. +> +> **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" +> ``` +> +> Ovo vam daje sve što vam je potrebno da dovršite tečaj s mnogo bržim preuzimanjem. -# IoT za početnike - Nastavni plan i program +# IoT za Početnike - Kurikulum -Zagovornici Azure oblaka u Microsoftu s veseljem nude 12-tjedni, 24-poglavni nastavni plan posvećen osnovama IoT-a. Svaka lekcija uključuje kvizove prije i poslije lekcije, pisane upute za dovršetak lekcije, rješenje, zadatak i još mnogo toga. Naša pedagoška metoda usmjerena na projekte omogućuje vam učenje kroz izgradnju, što je dokazan način za trajno usvajanje novih vještina. +Azure Cloud Advocates u Microsoftu s veseljem nude 12-tjedni, 24-lekcijski kurikulum posvećen osnovama IoT-a. Svaka lekcija uključuje kviz prije i poslije lekcije, pisane upute za dovršetak lekcije, rješenje, zadatak i još mnogo toga. Naša pedagoška metoda temeljena na projektima omogućuje vam da učite dok gradite, što je dokazani način da nove vještine 'upuče'. -Projekti pokrivaju put hrane s farme do stola. To uključuje poljoprivredu, logistiku, proizvodnju, maloprodaju i potrošača - sve popularna industrijska područja za IoT uređaje. +Projekti pokrivaju put hrane od farme do stola. To uključuje poljoprivredu, logistiku, proizvodnju, maloprodaju i potrošnju - sve popularna industrijska područja za IoT uređaje. -![Karta puta tečaja koji prikazuje 24 lekcije o uvodu, poljoprivredi, transportu, preradi, maloprodaji i kuhanju](../../translated_images/hr/Roadmap.bb1dec285dda0eda.webp) +![Karta puta za tečaj koja prikazuje 24 lekcije pokrivajući uvod, poljoprivredu, transport, preradu, maloprodaju i kuhanje](../../translated_images/hr/Roadmap.bb1dec285dda0eda.webp) -> Sketchnote autorice [Nitya Narasimhan](https://github.com/nitya). Kliknite sliku za veću verziju. +> Sketchnote autora [Nitya Narasimhan](https://github.com/nitya). Kliknite sliku za veću verziju. -**Iskrena hvala našim autorima [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) i našoj umjetnici sketchnotea [Nitya Narasimhan](https://github.com/nitya).** +**Iskrena zahvala našim autorima [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), i našem umjetniku sketchnotea [Nitya Narasimhan](https://github.com/nitya).** -**Hvala također našem timu [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) koji su pregledavali i prevodili ovaj nastavni plan - [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), i [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Zahvaljujemo također našem timu od [Microsoft Learn Studentskih Ambasadora](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) koji su pregledavali i prevodili ovaj kurikulum - [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), i [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Upoznajte tim! @@ -62,152 +72,151 @@ Upoznajte tim! **Gif autor** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Kliknite gornju sliku za video o projektu! +> 🎥 Kliknite sliku gore za video o projektu! -> **Nastavnici**, uključili smo neke [prijedloge](for-teachers.md) o tome kako koristiti ovaj nastavni plan. Ako želite stvoriti vlastite lekcije, također imamo [predložak lekcije](lesson-template/README.md). +> **Nastavnici**, uključili smo [neke prijedloge](for-teachers.md) o tome kako koristiti ovaj kurikulum. Ako želite izraditi vlastite lekcije, također smo uključili [predložak lekcije](lesson-template/README.md). -> **[Učenici](https://aka.ms/student-page)**, da biste koristili ovaj nastavni plan samostalno, forkajte cijeli repozitorij i dovršite vježbe sami, počevši s kvizom prije predavanja, zatim pročitajte predavanje i dovršite ostale aktivnosti. Pokušajte kreirati projekte razumijevanjem lekcija umjesto kopiranja koda rješenja; taj kod je međutim dostupan u mapama /solutions u svakoj lekciji usmjerenoj na projekt. Druga ideja je formirati studijsku grupu s prijateljima i zajednički proći sadržaj. Za dodatno učenje preporučujemo [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **Učenici** [https://aka.ms/student-page](https://aka.ms/student-page), za samostalno korištenje ovog kurikuluma, napravite fork cijelog repozitorija i dovršite zadatke samostalno, počevši s kvizom prije predavanja, zatim čitajući predavanje i dovršavanjem ostalih aktivnosti. Pokušajte stvarati projekte razumijevanjem lekcija, a ne kopiranjem koda rješenja; međutim, taj kod je dostupan u mapama /solutions za svaku lekciju usmjerenu na projekte. Druga ideja je da oformite grupu za učenje s prijateljima i zajedno prođete kroz sadržaj. Za dodatno učenje preporučujemo [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -Za video pregled ovog tečaja, pogledajte ovaj video: +Za video pregled ovog tečaja pogledajte ovaj video: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") -> 🎥 Kliknite gornju sliku za video o projektu! +> 🎥 Kliknite sliku gore za video o projektu! ## Pedagogija -Odabrali smo dva pedagoška načela pri izradi ovog nastavnog plana: osigurati da je usmjeren na projekte i da uključuje česte kvizove. Do kraja ove serije studenti će izgraditi sustav za nadzor biljaka i zalijevanje, praćenje vozila, pametnu tvornicu za praćenje i provjeru hrane te timer za kuhanje upravljan glasom, i naučiti osnove Interneta stvari uključujući pisanje koda za uređaje, povezivanje s oblakom, analizu telemetrije i izvođenje AI na rubu. +Odabrali smo dva pedagoška načela prilikom izrade ovog kurikuluma: osigurati da je temeljeno na projektima i da uključuje česte kvizove. Do kraja serije učenici će izgraditi sustav za nadzor i zalijevanje biljaka, uređaj za praćenje vozila, pametnu tvornicu za praćenje i kontrolu hrane te glasovno upravljani tajmer za kuhanje, i naučit će osnove Interneta stvari uključujući kako pisati kod za uređaje, povezati se na oblak, analizirati telemetriju i pokretati AI na rubu. -Osiguravajući da sadržaj odgovara projektima, proces je zanimljiviji za studente, a zadržavanje koncepata se povećava. +Osiguravajući da sadržaj odgovara projektima, proces je zanimljiviji za učenike i zadržavanje koncepata će se poboljšati. -Osim toga, kviz niskog rizika prije sata usmjerava namjeru učenika prema učenju teme, dok drugi kviz nakon sata osigurava daljnje zadržavanje znanja. Ovaj je nastavni plan dizajniran da bude fleksibilan i zabavan te se može pratiti u cijelosti ili djelomično. Projekti počinju jednostavno i postaju složeniji do kraja 12-tjednog ciklusa. +Uz to, kviz s niskim ulozima prije nastave postavlja namjeru učenika prema učenju teme, dok drugi kviz nakon nastave osigurava dodatno zadržavanje. Ovaj kurikulum dizajniran je da bude fleksibilan i zabavan, a može se uzimati u cijelosti ili djelomično. Projekti započinju mali i postaju sve složeniji do kraja 12-tjednog ciklusa. -Svaki je projekt baziran na stvarnom hardveru dostupnom studentima i hobistima. Svaki projekt proučava specifičnu domenu projekta, pružajući relevantna osnovna znanja. Da biste bili uspješan programer, korisno je razumjeti domen u kojoj rješavate probleme, a ovo osnovno znanje omogućuje studentima da razmišljaju o svojim IoT rješenjima i učenju u kontekstu stvarnog problema koji bi mogli imati kao IoT programer. Studenti uče 'zašto' rješenja koja grade i dobivaju uvid u krajnjeg korisnika. +Svaki projekt temelji se na stvarnom hardveru dostupan učenicima i hobistima. Svaki projekt proučava specifičnu domenu projekta, pružajući relevantno osnovno znanje. Da biste bili uspješan programer, pomaže razumjeti domen u kojoj rješavate probleme, a ovo osnovno znanje omogućuje učenicima da razmišljaju o svojim IoT rješenjima i učenju u kontekstu vrste stvarnog problema koji bi mogli biti zamoljeni riješiti kao IoT programer. Učenici uče 'zašto' rješenja koja grade i stječu cijenjenje krajnjeg korisnika. ## Hardver +Imamo dva izbora IoT hardvera za korištenje u projektima, ovisno o osobnim preferencijama, znanju programskih jezika, ciljevima učenja i dostupnosti. Također smo osigurali verziju 'virtualnog hardvera' za one koji nemaju pristup hardveru ili žele naučiti više prije nego što se odluče za kupnju. Više možete pročitati i pronaći 'popis za kupovinu' na [stranici o hardveru](./hardware.md), uključujući poveznice za kupnju gotovih kompleta od naših prijatelja u Seeed Studiu. -Imamo dva izbora IoT hardvera za korištenje u projektima ovisno o osobnim preferencijama, znanju programskog jezika, ciljevima učenja i dostupnosti. Također smo osigurali verziju 'virtualnog hardvera' za one koji nemaju pristup hardveru ili žele naučiti više prije kupnje. Više možete pročitati i pronaći 'popis za kupovinu' na [stranici za hardver](./hardware.md), uključujući poveznice za kupnju kompletnih setova od naših prijatelja u Seeed Studio. -> 💁 Pronađite naše [Kodeks ponašanja](CODE_OF_CONDUCT.md), [Smjernice za doprinos](CONTRIBUTING.md) i [Prevoditeljske smjernice](TRANSLATIONS.md). Veselimo se vašim konstruktivnim povratnim informacijama! +> 💁 Pronađite naš [Kodeks ponašanja](CODE_OF_CONDUCT.md), smjernice za [Doprinos](CONTRIBUTING.md) i [Prijevod](TRANSLATIONS.md). Veselimo se vašim konstruktivnim povratnim informacijama! > > 🔧 Imate problema? Pogledajte naš [Vodič za rješavanje problema](TROUBLESHOOTING.md) za rješenja uobičajenih problema. ## Svaka lekcija uključuje: -- sketchnote -- dodatni video po izboru -- kviz za zagrijavanje prije lekcije +- nacrt lekcije +- opcionalni dodatni video +- zagrijavajući kviz prije lekcije - pisanu lekciju -- za lekcije temeljene na projektu, vodiče korak po korak kako izgraditi projekt +- za lekcije temeljene na projektima, vodiče korak po korak kako izraditi projekt - provjere znanja - izazov -- dodatnu literaturu +- dodatno čitanje - zadatak -- [kviz nakon lekcije](https://ff-quizzes.netlify.app/en/) +- [kviz poslije lekcije](https://ff-quizzes.netlify.app/en/) -> **Napomena o kvizovima**: Svi su kvizovi smješteni u mapu quiz-app, ukupno 48 kvizova sa po tri pitanja svaki. Povezani su iz lekcija, ali se aplikacija za kviz može pokrenuti lokalno ili postaviti na Azure; slijedite upute u mapi `quiz-app`. Postupno se lokaliziraju. +> **Napomena o kvizovima**: Svi su kvizovi u mapi quiz-app, ukupno 48 kvizova s po tri pitanja. Povezani su unutar lekcija, ali kviz aplikaciju možete pokrenuti lokalno ili objaviti na Azure; slijedite upute u mapi `quiz-app`. Postupno se lokaliziraju. ## Lekcije -| | Naziv projekta | Poučavani koncepti | Ciljevi učenja | Povezana lekcija | -| :---: | :------------------------------------: | :-------------------------------------------------------------: | -------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Uvod](./1-getting-started/README.md) | Uvod u IoT | Naučite osnovna načela IoT-a i osnovne gradivne blokove IoT rješenja poput senzora i usluga u oblaku dok postavljate svoj prvi IoT uređaj | [Uvod u IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Uvod](./1-getting-started/README.md) | Dublji pogled na IoT | Saznajte više o komponentama IoT sustava, mikro kontrolerima i računalima na jednoj ploči | [Dublji pogled na IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Uvod](./1-getting-started/README.md) | Interakcija s fizičkim svijetom pomoću senzora i aktuatora | Naučite o senzorima za prikupljanje podataka iz fizičkog svijeta te aktuatorima za slanje povratnih informacija dok izrađujete noćnu lampu | [Interakcija s fizičkim svijetom pomoću senzora i aktuatora](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Uvod](./1-getting-started/README.md) | Povezivanje uređaja na Internet | Naučite kako povezati IoT uređaj s internetom radi slanja i primanja poruka povezivanjem vaše noćne lampe s MQTT poslužiteljem | [Povežite uređaj na Internet](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Farma](./2-farm/README.md) | Predviđanje rasta biljaka | Naučite kako predvidjeti rast biljke pomoću temperaturnih podataka koje prikuplja IoT uređaj | [Predviđanje rasta biljaka](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Farma](./2-farm/README.md) | Otkrivanje vlage u tlu | Naučite kako otkriti vlagu u tlu i kalibrirati senzor vlage tla | [Otkrivanje vlage u tlu](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Farma](./2-farm/README.md) | Automatsko zalijevanje biljaka | Naučite kako automatizirati i vremenski upravljati zalijevanjem koristeći relej i MQTT | [Automatsko zalijevanje biljaka](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Farma](./2-farm/README.md) | Migrirajte biljku u oblak | Naučite o oblaku i IoT uslugama domaćinima u oblaku te kako povezati svoju biljku s jednom od njih umjesto javnog MQTT poslužitelja | [Migrirajte biljku u oblak](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Farma](./2-farm/README.md) | Migrirajte logiku aplikacije u oblak | Naučite kako pisati logiku aplikacije u oblaku koja reagira na IoT poruke | [Migrirajte logiku aplikacije u oblak](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Farma](./2-farm/README.md) | Osigurajte svoju biljku | Naučite o sigurnosti u IoT-u i kako osigurati svoju biljku pomoću ključeva i certifikata | [Osigurajte svoju biljku](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Transport](./3-transport/README.md) | Praćenje lokacije | Naučite o GPS praćenju lokacije za IoT uređaje | [Praćenje lokacije](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Transport](./3-transport/README.md) | Pohrana podataka lokacije | Naučite kako spremati IoT podatke za naknadnu vizualizaciju ili analizu | [Pohrana podataka lokacije](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Transport](./3-transport/README.md) | Vizualizacija podataka lokacije | Naučite o prikazu podataka lokacije na karti i kako karte predstavljaju stvarni 3D svijet u 2 dimenzije | [Vizualizacija podataka lokacije](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Transport](./3-transport/README.md) | Geofence | Naučite o geofence-ovima i kako se mogu koristiti za obavještavanje kada su vozila u lancu opskrbe blizu svoje destinacije | [Geofence](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Proizvodnja](./4-manufacturing/README.md) | Trening detektora kvalitete voća | Naučite kako trenirati klasifikator slika u oblaku za detektiranje kvalitete voća | [Trening detektora kvalitete voća](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Proizvodnja](./4-manufacturing/README.md) | Provjera kvalitete voća putem IoT uređaja | Naučite kako koristiti detektor kvalitete voća s IoT uređaja | [Provjera kvalitete voća putem IoT uređaja](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Proizvodnja](./4-manufacturing/README.md) | Pokretanje detektora voća na rubu | Naučite o pokretanju detektora voća na IoT uređaju na rubu mreže | [Pokretanje detektora voća na rubu](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Proizvodnja](./4-manufacturing/README.md) | Pokretanje detekcije kvalitete voća iz senzora | Naučite kako pokrenuti detekciju kvalitete voća iz senzora | [Pokretanje detekcije kvalitete voća iz senzora](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Maloprodaja](./5-retail/README.md) | Trening detektora zaliha | Naučite kako koristiti detekciju objekata za trening detektora zaliha za brojanje zaliha u trgovini | [Trening detektora zaliha](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Maloprodaja](./5-retail/README.md) | Provjera zaliha s IoT uređaja | Naučite kako provjeriti zalihe koristeći IoT uređaj i model za detekciju objekata | [Provjera zaliha s IoT uređaja](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Konzumer](./6-consumer/README.md) | Prepoznavanje govora s IoT uređajem | Naučite kako prepoznati govor s IoT uređaja i napraviti pametni timer | [Prepoznavanje govora s IoT uređajem](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Konzumer](./6-consumer/README.md) | Razumijevanje jezika | Naučite kako razumjeti rečenice izgovorene IoT uređaju | [Razumijevanje jezika](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Konzumer](./6-consumer/README.md) | Postavljanje timera i pružanje glasovne povratne informacije | Naučite kako postaviti timer na IoT uređaju i pružiti glasovnu povratnu informaciju o početku i završetku timera | [Postavljanje timera i glasovna povratna informacija](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Konzumer](./6-consumer/README.md) | Podrška za više jezika | Naučite kako podržati više jezika, kako za govorene zahtjeve tako i za odgovore vašeg pametnog timera | [Podrška za više jezika](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Pristup offline - -Ovu dokumentaciju možete koristiti offline pomoću [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na svoj lokalni uređaj, zatim u korijenskom direktoriju repozitorija upišite `docsify serve`. Web stranica će se posluživati na portu 3000 na vašem localhostu: `localhost:3000`. +| | Naziv projekta | Obuhvaćeni pojmovi | Ciljevi učenja | Povezana lekcija | +| :---: | :------------------------------------: | :------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Početak](./1-getting-started/README.md) | Uvod u IoT | Naučite osnovne principe IoT-a i osnovne blokove rješenja poput senzora i cloud servisa dok postavljate svoj prvi IoT uređaj | [Uvod u IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Početak](./1-getting-started/README.md) | Dublji pogled u IoT | Naučite više o komponentama IoT sustava, mikrokontrolerima i jednoplatnim računalima | [Dublji pogled u IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Početak](./1-getting-started/README.md) | Interakcija s fizičkim svijetom putem senzora i aktuatora | Naučite o senzorima za prikupljanje podataka iz fizičkog svijeta i aktuatorima za slanje povratne informacije dok izrađujete noćno svjetlo | [Interakcija s fizičkim svijetom putem senzora i aktuatora](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Početak](./1-getting-started/README.md) | Povežite svoj uređaj s internetom | Naučite kako povezati IoT uređaj s internetom za slanje i primanje poruka povezivanjem noćnog svjetla s MQTT poslužiteljem | [Povežite svoj uređaj s internetom](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Farm](./2-farm/README.md) | Predviđanje rasta biljaka | Naučite kako predvidjeti rast biljaka koristeći podatke o temperaturi prikupljene IoT uređajem | [Predviđanje rasta biljaka](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Farm](./2-farm/README.md) | Detekcija vlage tla | Naučite kako detektirati vlagu tla i kalibrirati senzor vlage tla | [Detekcija vlage tla](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Farm](./2-farm/README.md) | Automatizirano zalijevanje biljaka | Naučite kako automatizirati i tempirati zalijevanje pomoću releja i MQTT | [Automatizirano zalijevanje biljaka](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Farm](./2-farm/README.md) | Migrirajte biljku u cloud | Saznajte o cloudu i IoT servisima u cloudu te kako povezati svoju biljku s nekim od njih umjesto javnog MQTT poslužitelja | [Migrirajte biljku u cloud](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Farm](./2-farm/README.md) | Migrirajte logiku aplikacije u cloud | Naučite kako pisati logiku aplikacije u cloudu koja reagira na IoT poruke | [Migrirajte logiku aplikacije u cloud](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Farm](./2-farm/README.md) | Osigurajte svoju biljku | Naučite o sigurnosti u IoT-u i kako osigurati svoju biljku ključevima i certifikatima | [Osigurajte svoju biljku](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Transport](./3-transport/README.md) | Praćenje lokacije | Naučite o GPS praćenju lokacije za IoT uređaje | [Praćenje lokacije](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Transport](./3-transport/README.md) | Pohrana podataka o lokaciji | Naučite kako pohraniti IoT podatke za kasniju vizualizaciju ili analizu | [Pohrana podataka o lokaciji](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Transport](./3-transport/README.md) | Vizualizacija podataka o lokaciji | Naučite o vizualizaciji podataka o lokaciji na karti i kako karte prikazuju stvarni 3D svijet u dvije dimenzije | [Vizualizacija podataka o lokaciji](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Transport](./3-transport/README.md) | Geofence | Naučite o geofenceima i kako se koriste za obavještavanje kada su vozila u lancu opskrbe blizu svoje destinacije | [Geofence](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Manufacturing](./4-manufacturing/README.md) | Trenirajte sustav za detekciju kvalitete voća | Naučite o treniranju klasifikatora slika u cloudu za detekciju kvalitete voća | [Trenirajte sustav za detekciju kvalitete voća](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Manufacturing](./4-manufacturing/README.md) | Provjerite kvalitetu voća putem IoT uređaja | Naučite kako koristiti svoj sustav za detekciju kvalitete voća s IoT uređaja | [Provjerite kvalitetu voća putem IoT uređaja](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Manufacturing](./4-manufacturing/README.md) | Pokrenite detektor voća na edge uređaju | Naučite o pokretanju detektora voća na IoT uređaju na edge-u | [Pokrenite detektor voća na edge uređaju](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Manufacturing](./4-manufacturing/README.md) | Pokrenite detekciju kvalitete voća putem senzora | Naučite kako pokrenuti detekciju kvalitete voća putem senzora | [Pokrenite detekciju kvalitete voća putem senzora](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Retail](./5-retail/README.md) | Trenirajte detektor zaliha | Naučite kako koristiti detekciju objekata za treniranje detektora zaliha za brojanje zaliha u trgovini | [Trenirajte detektor zaliha](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Retail](./5-retail/README.md) | Provjerite stanje zaliha putem IoT uređaja | Naučite kako provjeriti stanje zaliha putem IoT uređaja koristeći model za detekciju objekata | [Provjerite stanje zaliha putem IoT uređaja](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Consumer](./6-consumer/README.md) | Prepoznavanje govora putem IoT uređaja | Naučite kako prepoznati govor s IoT uređaja za izradu pametnog tajmera | [Prepoznavanje govora putem IoT uređaja](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Consumer](./6-consumer/README.md) | Razumijevanje jezika | Naučite kako razumjeti rečenice izgovorene IoT uređaju | [Razumijevanje jezika](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Consumer](./6-consumer/README.md) | Postavite tajmer i pružite govornu povratnu informaciju | Naučite kako postaviti tajmer na IoT uređaju i dati govornu povratnu informaciju o postavljanju i završetku tajmera | [Postavite tajmer i pružite govornu povratnu informaciju](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Consumer](./6-consumer/README.md) | Podrška za više jezika | Naučite kako podržati više jezika, kako govornim tako i u odgovorima vašeg pametnog tajmera | [Podrška za više jezika](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Offline pristup + +Ovu dokumentaciju možete koristiti i offline pomoću [Docsify](https://docsify.js.org/#/). Forkajte ovaj repozitorij, [instalirajte Docsify](https://docsify.js.org/#/quickstart) na svoje lokalno računalo, zatim u korijenskoj mapi repozitorija upišite `docsify serve`. Web stranica će biti dostupna na portu 3000 na vašem localhostu: `localhost:3000`. ## Kviz -Zahvaljujemo zajednici za održavanje interaktivnog kviza koji testira vaše znanje za svaki od poglavlja. Svoje znanje isprobajte [ovdje](https://ff-quizzes.netlify.app/en/) +Zahvaljujemo zajednici što je napravila interaktivni kviz koji testira vaše znanje iz svakog poglavlja. Testirajte svoje znanje [ovdje](https://ff-quizzes.netlify.app/en/) ### PDF -Ako želite imati pristup ovom sadržaju offline, možete generirati PDF. Provjerite da imate instaliran [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) i pokrenite sljedeće naredbe u korijenu ovog repozitorija: +Ako želite, možete generirati PDF ovog sadržaja za offline pristup. Da biste to učinili, provjerite imate li [npm instaliran](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) i pokrenite sljedeće naredbe u korijenskoj mapi ovog repozitorija: ```sh npm i npm run convert ``` -### Prezentacije +### Slajdovi Za neke lekcije postoje prezentacije u mapi [slides](../../slides). +## Ostali kurikulumi -## Drugi programi - -Naš tim proizvodi i druge obrazovne programe! Pogledajte: +Naš tim proizvodi i druge kurikulume! Pogledajte: ### LangChain [![LangChain4j za početnike](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 za početnike](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 za početnike](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 za početnike](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 za početnike](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 za početnike](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) +[![AI Agent za početnike](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) --- -### Serija generativne umjetne inteligencije -[![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) +### Generativna AI serija +[![Generativna AI za početnike](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) +[![Generativna 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) +[![Generativna 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) +[![Generativna 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) --- ### Osnovno učenje -[![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) +[![ML za početnike](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 za početnike](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 za početnike](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 za početnike](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 razvoj za početnike](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 za početnike](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 razvoj za početnike](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) --- -### Serija Copilot -[![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) +### Copilot serija +[![Copilot za AI par-programiranje](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 za 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 avantura](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) -## Navodi za slike +## Pravo na slike -Sve navode za slike korištene u ovom kurikulumu gdje je potrebno možete pronaći u [Attributions](./attributions.md). +Sve zasluge za slike korištene u ovom kurikulumu, gdje je potrebno, možete pronaći u [Attributions](./attributions.md). --- **Odricanje od odgovornosti**: -Ovaj je dokument preveden pomoću AI usluge za prevođenje [Co-op Translator](https://github.com/Azure/co-op-translator). Iako nastojimo postići točnost, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba se smatrati autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne odgovaramo za bilo kakve nesporazume ili kriva tumačenja koja proizlaze iz korištenja ovog prijevoda. +Ovaj dokument je preveden korištenjem AI usluge prevođenja [Co-op Translator](https://github.com/Azure/co-op-translator). Iako težimo točnosti, imajte na umu da automatski prijevodi mogu sadržavati pogreške ili netočnosti. Izvorni dokument na izvornom jeziku treba smatrati autoritativnim izvorom. Za kritične informacije preporučuje se profesionalni ljudski prijevod. Ne snosimo odgovornost za bilo kakva nesporazuma ili kriva tumačenja nastala uporabom ovog prijevoda. \ No newline at end of file diff --git a/translations/hr/hardware.md b/translations/hr/hardware.md index 3cebe05e7..3462acda1 100644 --- a/translations/hr/hardware.md +++ b/translations/hr/hardware.md @@ -26,7 +26,7 @@ Seeed Studios su vrlo ljubazno omogućili da sav hardver bude dostupan u obliku **[IoT za početnike sa Seeed i Microsoft - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Komplet hardvera Raspberry Pi Terminal](../../translated_images/hr/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Komplet hardvera Raspberry Pi Terminal](../../translated_images/hr/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/sl/.co-op-translator.json b/translations/sl/.co-op-translator.json index 7393fe5ee..8b72e07f2 100644 --- a/translations/sl/.co-op-translator.json +++ b/translations/sl/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "sl" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:42:17+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:55:32+00:00", "source_file": "README.md", "language_code": "sl" }, diff --git a/translations/sl/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/sl/1-getting-started/lessons/1-introduction-to-iot/README.md index 0695b8644..ed95927f4 100644 --- a/translations/sl/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/sl/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Uvod v IoT -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-1.2606670fa61ee904.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. diff --git a/translations/sl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/sl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index aecf3d12a..2a1e57f22 100644 --- a/translations/sl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/sl/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Kot drugi korak 'Hello World' boste zagnali aplikacijo CounterFit in jo povezali Aplikacija se bo začela izvajati in odprla v vašem spletnem brskalniku: - ![Aplikacija CounterFit, ki se izvaja v brskalniku](../../../../../translated_images/sl/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Aplikacija CounterFit, ki se izvaja v brskalniku](../../../../../translated_images/sl/counterfit-first-run.433326358b669b31.webp) Označena bo kot *Disconnected*, z LED lučko v zgornjem desnem kotu, ki bo ugasnjena. @@ -224,7 +224,7 @@ Kot drugi korak 'Hello World' boste zagnali aplikacijo CounterFit in jo povezali 1. V tem novem terminalu zaženite datoteko `app.py` kot prej. Status CounterFit se bo spremenil v **Connected**, LED lučka pa se bo prižgala. - ![CounterFit prikazuje status Connected](../../../../../translated_images/sl/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![CounterFit prikazuje status Connected](../../../../../translated_images/sl/counterfit-connected.ed30b46d8f79b092.webp) > 💁 To kodo lahko najdete v mapi [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/sl/1-getting-started/lessons/2-deeper-dive/README.md b/translations/sl/1-getting-started/lessons/2-deeper-dive/README.md index 228270fab..44b2d7611 100644 --- a/translations/sl/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/sl/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Poglobljen pogled v IoT -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-2.324b0580d620c25e.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -38,7 +38,7 @@ Dve glavni komponenti IoT aplikacije sta *Internet* in *stvar*. Poglejmo si ti d Te naprave komunicirajo s fizičnim svetom bodisi z uporabo senzorjev za zbiranje podatkov iz okolice bodisi z nadzorovanjem izhodov ali aktuatorjev za izvajanje fizičnih sprememb. Tipičen primer je pametni termostat - naprava, ki ima temperaturni senzor, način za nastavitev želene temperature, kot je vrtljivi gumb ali zaslon na dotik, in povezavo s sistemom za ogrevanje ali hlajenje, ki se lahko vklopi, ko zaznana temperatura ni v želenem območju. Temperaturni senzor zazna, da je prostor prehladen, in aktuator vklopi ogrevanje. -![Diagram, ki prikazuje temperaturo in vrtljivi gumb kot vhodne podatke za IoT napravo ter nadzor grelnika kot izhod](../../../../../translated_images/sl/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Diagram, ki prikazuje temperaturo in vrtljivi gumb kot vhodne podatke za IoT napravo ter nadzor grelnika kot izhod](../../../../../translated_images/sl/basic-thermostat.a923217fd1f37e5a.webp) Obstaja ogromno različnih stvari, ki lahko delujejo kot IoT naprave, od namenskih naprav za zaznavanje ene stvari do naprav splošnega namena, celo vaš pametni telefon! Pametni telefon lahko uporablja senzorje za zaznavanje sveta okoli sebe in aktuatorje za interakcijo s svetom - na primer z uporabo GPS senzorja za zaznavanje vaše lokacije in zvočnika za navigacijska navodila do cilja. @@ -54,7 +54,7 @@ Naprave se ne povezujejo vedno neposredno z internetom prek WiFi ali žičnih po V primeru pametnega termostata bi se termostat povezal prek domačega WiFi z oblačno storitvijo. Pošiljal bi podatke o temperaturi tej storitvi v oblaku, od tam pa bi bili zapisani v neko bazo podatkov, ki bi omogočala lastniku doma preverjanje trenutnih in preteklih temperatur prek aplikacije na telefonu. Druga storitev v oblaku bi vedela, kakšno temperaturo si lastnik želi, in pošiljala sporočila nazaj IoT napravi prek oblačne storitve, da bi ogrevalni sistem vklopila ali izklopila. -![Diagram, ki prikazuje temperaturo in vrtljivi gumb kot vhodne podatke za IoT napravo, IoT napravo z dvosmerno komunikacijo z oblakom, ki ima dvosmerno komunikacijo s telefonom, ter nadzor grelnika kot izhod iz IoT naprave](../../../../../translated_images/sl/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Diagram, ki prikazuje temperaturo in vrtljivi gumb kot vhodne podatke za IoT napravo, IoT napravo z dvosmerno komunikacijo z oblakom, ki ima dvosmerno komunikacijo s telefonom, ter nadzor grelnika kot izhod iz IoT naprave](../../../../../translated_images/sl/mobile-controlled-thermostat.4a994010473d8d6a.webp) Še pametnejša različica bi lahko uporabljala AI v oblaku z podatki iz drugih senzorjev, povezanih z drugimi IoT napravami, kot so senzorji za zaznavanje prisotnosti, ki zaznavajo, katere sobe se uporabljajo, ter podatki, kot so vremenski podatki in celo vaš koledar, za sprejemanje odločitev o pametnem nastavljanju temperature. Na primer, lahko bi izklopila ogrevanje, če bi iz vašega koledarja prebrala, da ste na dopustu, ali pa bi izklopila ogrevanje po sobah glede na to, katere sobe uporabljate, pri čemer bi se učila iz podatkov, da bi bila sčasoma vedno bolj natančna. @@ -94,7 +94,7 @@ Hitrejši kot je cikel ure, več navodil lahko CPU obdela vsako sekundo in zato > 💁 CPU-ji izvajajo programe z uporabo [cikla pridobivanja-dekodiranja-izvajanja](https://wikipedia.org/wiki/Instruction_cycle). Za vsak tik ure CPU pridobi naslednje navodilo iz pomnilnika, ga dekodira in nato izvede, na primer z uporabo aritmetično-logične enote (ALU) za seštevanje dveh števil. Nekatera izvajanja trajajo več tikov, zato se naslednji cikel izvede ob naslednjem tiku po zaključku navodila. -![Cikli pridobivanja-dekodiranja-izvajanja, ki prikazujejo pridobivanje navodila iz programa, shranjenega v RAM-u, nato dekodiranje in izvajanje na CPU-ju](../../../../../translated_images/sl/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Cikli pridobivanja-dekodiranja-izvajanja, ki prikazujejo pridobivanje navodila iz programa, shranjenega v RAM-u, nato dekodiranje in izvajanje na CPU-ju](../../../../../translated_images/sl/fetch-decode-execute.2fd6f150f6280392.webp) Mikrokrmilniki imajo veliko nižje hitrosti ure kot namizni ali prenosni računalniki ali celo večina pametnih telefonov. Na primer, Wio Terminal ima CPU, ki deluje pri 120MHz ali 120.000.000 ciklov na sekundo. @@ -182,7 +182,7 @@ Arduino plošče se programirajo v C ali C++. Uporaba C/C++ omogoča, da se vaš V funkciji `setup` bi napisali začetno kodo, kot je povezovanje z WiFi-jem in storitvami v oblaku ali inicializacija pinov za vhod in izhod. Vaša koda v funkciji `loop` bi nato vsebovala procesno kodo, kot je branje senzorja in pošiljanje vrednosti v oblak. Običajno bi dodali zamik v vsakem zanki, na primer, če želite, da se podatki senzorja pošiljajo vsakih 10 sekund, bi na koncu zanke dodali zamik 10 sekund, da mikrokrmilnik lahko spi, prihrani energijo, nato pa ponovno zažene zanko, ko je potrebno. -![Skica Arduino, ki najprej izvaja setup, nato pa neprekinjeno izvaja loop](../../../../../translated_images/sl/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Skica Arduino, ki najprej izvaja setup, nato pa neprekinjeno izvaja loop](../../../../../translated_images/sl/arduino-sketch.79590cb837ff7a7c.webp) ✅ Ta arhitektura programa je znana kot *zanka dogodkov* ali *zanka sporočil*. Veliko aplikacij uporablja to v ozadju in je standard za večino namiznih aplikacij, ki delujejo na OS-ih, kot so Windows, macOS ali Linux. Funkcija `loop` posluša sporočila iz komponent uporabniškega vmesnika, kot so gumbi, ali naprav, kot je tipkovnica, in se nanje odziva. Več o tem lahko preberete v [članku o zanki dogodkov](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/README.md index 4a75adcb2..68ae255f1 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Interakcija s fizičnim svetom s senzorji in aktuatorji -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-3.cc3b7b4cd646de59.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -92,7 +92,7 @@ Digitalni senzorji, podobno kot analogni senzorji, zaznavajo svet okoli sebe z u Najenostavnejši digitalni senzor je gumb ali stikalo. To je senzor z dvema stanjem, vklopljen ali izklopljen. -![Gumb prejme 5 voltov. Ko ni pritisnjen, vrača 0 voltov, ko je pritisnjen, vrača 5 voltov](../../../../../translated_images/sl/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Gumb prejme 5 voltov. Ko ni pritisnjen, vrača 0 voltov, ko je pritisnjen, vrača 5 voltov](../../../../../translated_images/sl/button.eadb560b77ac45e5.webp) Pini na IoT napravah, kot so GPIO pini, lahko neposredno merijo ta signal kot 0 ali 1. Če je poslana napetost enaka vrnjeni napetosti, je prebrana vrednost 1, sicer je prebrana vrednost 0. Pretvorba signala ni potrebna, saj je lahko le 1 ali 0. @@ -125,7 +125,7 @@ Nekateri pogosti aktuatorji vključujejo: Sledite ustreznemu vodniku spodaj, da dodate aktuator svoji IoT napravi, ki ga bo nadzoroval senzor, in zgradite IoT nočno lučko. Ta bo zbirala ravni svetlobe iz svetlobnega senzorja in uporabljala aktuator v obliki LED, da oddaja svetlobo, ko je zaznana raven svetlobe prenizka. -![Diagram poteka naloge, ki prikazuje branje in preverjanje ravni svetlobe ter nadzor LED](../../../../../translated_images/sl/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Diagram poteka naloge, ki prikazuje branje in preverjanje ravni svetlobe ter nadzor LED](../../../../../translated_images/sl/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Enokartični računalnik - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ Tako kot senzorji so tudi aktuatorji lahko analogni ali digitalni. Analogni aktuatorji sprejmejo analogni signal in ga pretvorijo v neko vrsto interakcije, kjer se interakcija spreminja glede na dobavljeno napetost. Eden od primerov je zatemnilna luč, kot so tiste, ki jih imate morda doma. Količina napetosti, ki jo prejme luč, določa, kako svetla je. -![Svetloba zatemnjena pri nizki napetosti in svetlejša pri višji napetosti](../../../../../translated_images/sl/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Svetloba zatemnjena pri nizki napetosti in svetlejša pri višji napetosti](../../../../../translated_images/sl/dimmable-light.9ceffeb195dec1a8.webp) Tako kot pri senzorjih, IoT naprava deluje na digitalnih signalih, ne analognih. To pomeni, da za pošiljanje analognega signala IoT naprava potrebuje pretvornik iz digitalnega v analogni signal (DAC), bodisi neposredno na IoT napravi ali na priključni plošči. Ta pretvornik spremeni 0 in 1 iz IoT naprave v analogno napetost, ki jo lahko uporabi aktuator. @@ -187,7 +187,7 @@ Digitalni aktuatorji, podobno kot digitalni senzorji, imajo bodisi dve stanji, k Enostaven digitalni aktuator je LED. Ko naprava pošlje digitalni signal 1, se pošlje visoka napetost, ki prižge LED. Ko se pošlje digitalni signal 0, napetost pade na 0V in LED ugasne. -![LED je ugasnjen pri 0 voltih in prižgan pri 5V](../../../../../translated_images/sl/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED je ugasnjen pri 0 voltih in prižgan pri 5V](../../../../../translated_images/sl/led.ec6d94f66676a174.webp) ✅ Katere druge enostavne aktuatorje z dvema stanjem si lahko zamislite? En primer je solenoid, ki je elektromagnet, ki ga je mogoče aktivirati za premikanje zapaha vrat pri zaklepanju/odklepanju vrat. diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 327b989e5..1d31579f9 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED je na voljo kot modul z izbiro LED diod, kar vam omogoča izbiro barve Povežite LED. -![Grove LED](../../../../../translated_images/sl/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/sl/grove-led.6c853be93f473cf2.webp) 1. Izberite svojo najljubšo LED in vstavite nogici v dve luknji na LED modulu. @@ -40,7 +40,7 @@ Povežite LED. 1. Ko je Raspberry Pi izklopljen, povežite drugi konec Grove kabla z digitalno vtičnico, označeno z **D5**, na Grove Base hat, ki je pritrjen na Pi. Ta vtičnica je druga z leve v vrsti vtičnic poleg GPIO pinov. -![Grove LED povezan z vtičnico D5](../../../../../translated_images/sl/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED povezan z vtičnico D5](../../../../../translated_images/sl/pi-led.97f1d474981dc35d.webp) ## Programirajte nočno lučko diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 6425963f8..bed319523 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove svetlobni senzor, ki se uporablja za zaznavanje ravni svetlobe, je treba p Povežite svetlobni senzor. -![Grove svetlobni senzor](../../../../../translated_images/sl/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove svetlobni senzor](../../../../../translated_images/sl/grove-light-sensor.b8127b7c434e632d.webp) 1. Vstavite en konec Grove kabla v vtičnico na modulu svetlobnega senzorja. Kabel bo šel noter le na en način. 1. Ko je Raspberry Pi izklopljen, povežite drugi konec Grove kabla z analogno vtičnico, označeno **A0**, na Grove Base hat, ki je pritrjen na Pi. Ta vtičnica je druga z desne strani v vrsti vtičnic poleg GPIO pinov. -![Grove svetlobni senzor povezan z vtičnico A0](../../../../../translated_images/sl/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove svetlobni senzor povezan z vtičnico A0](../../../../../translated_images/sl/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Programirajte svetlobni senzor diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index a7438df7a..d271308c3 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Dodajte LED v aplikacijo CounterFit. 1. Izberite gumb **Add**, da ustvarite LED na pinu 5. - ![Nastavitve LED](../../../../../translated_images/sl/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Nastavitve LED](../../../../../translated_images/sl/counterfit-create-led.ba9db1c9b8c622a6.webp) LED bo ustvarjen in se bo pojavil na seznamu aktuatorjev. - ![Ustvarjen LED](../../../../../translated_images/sl/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Ustvarjen LED](../../../../../translated_images/sl/counterfit-led.c0ab02de6d256ad8.webp) Ko je LED ustvarjen, lahko spremenite barvo z izbiro *Color* pickerja. Izberite gumb **Set**, da spremenite barvo po izbiri. diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index 20b280ce7..66d769c14 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Dodajte svetlobni senzor v aplikacijo CounterFit. 1. Kliknite gumb **Add**, da ustvarite svetlobni senzor na pinu 0. - ![Nastavitve svetlobnega senzorja](../../../../../translated_images/sl/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Nastavitve svetlobnega senzorja](../../../../../translated_images/sl/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Svetlobni senzor bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen svetlobni senzor](../../../../../translated_images/sl/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Ustvarjen svetlobni senzor](../../../../../translated_images/sl/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Programirajte svetlobni senzor diff --git a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index b8d7e3965..8fb900d3c 100644 --- a/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/sl/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED je na voljo kot modul z izbiro LED diod, kar vam omogoča izbiro barve Povežite LED. -![Grove LED](../../../../../translated_images/sl/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/sl/grove-led.6c853be93f473cf2.webp) 1. Izberite svojo najljubšo LED in vstavite nogice v dve luknji na LED modulu. diff --git a/translations/sl/1-getting-started/lessons/4-connect-internet/README.md b/translations/sl/1-getting-started/lessons/4-connect-internet/README.md index 0e4c7971d..9c5c0a233 100644 --- a/translations/sl/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/sl/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Povežite svojo napravo z internetom -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-4.7344e074ea68fa54.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -47,7 +47,7 @@ MQTT je najbolj priljubljen komunikacijski protokol za IoT naprave in je obravna MQTT ima enega posrednika in več odjemalcev. Vsi odjemalci se povežejo s posrednikom, posrednik pa usmerja sporočila ustreznim odjemalcem. Sporočila se usmerjajo prek poimenovanih tem, namesto da bi bila poslana neposredno posameznemu odjemalcu. Odjemalec lahko objavi na temo, vsi odjemalci, ki so naročeni na to temo, pa prejmejo sporočilo. -![IoT naprava objavlja telemetrijo na temi /telemetry, storitev v oblaku pa se naroča na to temo](../../../../../translated_images/sl/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT naprava objavlja telemetrijo na temi /telemetry, storitev v oblaku pa se naroča na to temo](../../../../../translated_images/sl/mqtt.cbf7f21d9adc3e17.webp) ✅ Raziskujte. Če imate veliko IoT naprav, kako lahko zagotovite, da vaš MQTT posrednik obvlada vsa sporočila? @@ -69,7 +69,7 @@ Namesto da bi se ukvarjali s kompleksnostjo nastavitve MQTT posrednika kot del t > 💁 Ta testni posrednik je javni in ni varen. Kdorkoli lahko posluša, kaj objavljate, zato ga ne uporabljajte za podatke, ki morajo ostati zasebni. -![Diagram naloge, ki prikazuje branje in preverjanje ravni svetlobe ter nadzor LED](../../../../../translated_images/sl/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Diagram naloge, ki prikazuje branje in preverjanje ravni svetlobe ter nadzor LED](../../../../../translated_images/sl/assignment-1-internet-flow.3256feab5f052fd2.webp) Sledite ustreznemu koraku spodaj, da povežete svojo napravo z MQTT posrednikom: @@ -350,7 +350,7 @@ Za stroje pa bi morda želeli obdržati podatke, še posebej, če se uporabljajo Oblikovalci IoT naprav bi morali razmisliti tudi o tem, ali se lahko IoT naprava uporablja med izpadom interneta ali izgubo signala zaradi lokacije. Pametni termostat bi moral biti sposoben sprejeti nekaj omejenih odločitev za nadzor ogrevanja, če ne more poslati telemetrije v oblak zaradi izpada. -[![Ta ferrari je postal neuporaben, ker so ga poskušali nadgraditi pod zemljo, kjer ni mobilnega signala](../../../../../translated_images/sl/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Ta ferrari je postal neuporaben, ker so ga poskušali nadgraditi pod zemljo, kjer ni mobilnega signala](../../../../../translated_images/sl/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Za MQTT, da obvlada izgubo povezljivosti, morata biti naprava in strežniška koda odgovorni za zagotavljanje dostave sporočil, če je to potrebno, na primer z zahtevo, da se vsa poslana sporočila potrdijo z dodatnimi sporočili na odgovorni temi, in če ne, se ročno postavijo v čakalno vrsto za ponovno pošiljanje kasneje. @@ -358,7 +358,7 @@ Za MQTT, da obvlada izgubo povezljivosti, morata biti naprava in strežniška ko Ukazi so sporočila, ki jih oblak pošlje napravi in ji naročijo, naj nekaj stori. Večinoma to vključuje podajanje nekega izhoda prek aktuatorja, lahko pa je tudi navodilo za samo napravo, na primer za ponovni zagon ali zbiranje dodatne telemetrije in njeno vračanje kot odgovor na ukaz. -![Internetno povezan termostat prejme ukaz za vklop ogrevanja](../../../../../translated_images/sl/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Internetno povezan termostat prejme ukaz za vklop ogrevanja](../../../../../translated_images/sl/commands.d6c06bbbb3a02cce.webp) Termostat bi lahko prejel ukaz iz oblaka za vklop ogrevanja. Na podlagi telemetrijskih podatkov iz vseh senzorjev je oblačna storitev odločila, da mora biti ogrevanje vklopljeno, zato pošlje ustrezen ukaz. diff --git a/translations/sl/2-farm/lessons/1-predict-plant-growth/README.md b/translations/sl/2-farm/lessons/1-predict-plant-growth/README.md index b907f5842..0d79701c4 100644 --- a/translations/sl/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/sl/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## Napovedovanje rasti rastlin z IoT -![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-5.42b234299279d263.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -90,7 +90,7 @@ Dnevi rastne stopnje ali GDD se izračunajo na dan kot povprečna temperatura v Celotna formula za GDD je nekoliko zapletena, vendar obstaja poenostavljena enačba, ki se pogosto uporablja kot dobra približek: -![GDD = T max + T min deljeno z 2, vse minus T base](../../../../../translated_images/sl/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min deljeno z 2, vse minus T base](../../../../../translated_images/sl/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - to je število dni rastne stopnje * **T max** - to je dnevna maksimalna temperatura v stopinjah Celzija @@ -118,7 +118,7 @@ Prvi dan nad osnovno temperaturo so bile izmerjene naslednje temperature: To daje izračun: -![GDD = 16 + 12 deljeno z 2, vse minus 10, kar daje rezultat 4](../../../../../translated_images/sl/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 deljeno z 2, vse minus 10, kar daje rezultat 4](../../../../../translated_images/sl/gdd-calculation-corn.64a58b7a7afcd0df.webp) Koruza je prejela 4 GDD tisti dan. Če predpostavimo sorto koruze, ki potrebuje 800 GDD za zrelost, bo potrebovala še 796 GDD, da doseže zrelost. @@ -239,7 +239,7 @@ Koraki za ročni izračun so: Na primer, če je najvišja temperatura dneva 25°C, najnižja pa 12°C: -![GDD = 25 + 12 deljeno z 2, nato odštejte 10 od rezultata, kar daje 8.5](../../../../../translated_images/sl/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 deljeno z 2, nato odštejte 10 od rezultata, kar daje 8.5](../../../../../translated_images/sl/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/sl/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/sl/2-farm/lessons/1-predict-plant-growth/assignment.md index 1eccda4f5..3a25cf0da 100644 --- a/translations/sl/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/sl/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Ko imate temperaturne podatke, lahko uporabite Jupyter Notebook v tem repozitori Jupyter se bo zagnal in odprl notebook v vašem brskalniku. Sledite navodilom v notebooku za vizualizacijo izmerjenih temperatur in izračun rastnih stopinj dni (GDD). - ![Jupyter notebook](../../../../../translated_images/sl/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter notebook](../../../../../translated_images/sl/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Rubrika diff --git a/translations/sl/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/sl/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 599afc8ab..584d010fb 100644 --- a/translations/sl/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/sl/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Grove temperaturni senzor lahko povežete z Raspberry Pi. Povežite temperaturni senzor. -![Grove temperaturni senzor](../../../../../translated_images/sl/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove temperaturni senzor](../../../../../translated_images/sl/grove-dht11.07f8eafceee17004.webp) 1. Vstavite en konec Grove kabla v vtičnico na senzorju za vlago in temperaturo. Kabel bo šel noter samo v eni smeri. diff --git a/translations/sl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/sl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 8c2a17a3f..eb59637f2 100644 --- a/translations/sl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/sl/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Dodajte senzorje vlage in temperature v aplikacijo CounterFit. 1. Kliknite gumb **Add**, da ustvarite senzor vlage na pinu 5. - ![Nastavitve senzorja vlage](../../../../../translated_images/sl/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Nastavitve senzorja vlage](../../../../../translated_images/sl/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Senzor vlage bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen senzor vlage](../../../../../translated_images/sl/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Ustvarjen senzor vlage](../../../../../translated_images/sl/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Ustvarite senzor temperature: @@ -54,11 +54,11 @@ Dodajte senzorje vlage in temperature v aplikacijo CounterFit. 1. Kliknite gumb **Add**, da ustvarite senzor temperature na pinu 6. - ![Nastavitve senzorja temperature](../../../../../translated_images/sl/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Nastavitve senzorja temperature](../../../../../translated_images/sl/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Senzor temperature bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen senzor temperature](../../../../../translated_images/sl/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Ustvarjen senzor temperature](../../../../../translated_images/sl/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Programiranje aplikacije za senzor temperature diff --git a/translations/sl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/sl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 9e1e2495f..d8ae9a8a0 100644 --- a/translations/sl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/sl/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove temperaturni senzor lahko povežete na digitalni priključek Wio Terminala Povežite temperaturni senzor. -![Grove temperaturni senzor](../../../../../translated_images/sl/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove temperaturni senzor](../../../../../translated_images/sl/grove-dht11.07f8eafceee17004.webp) 1. En konec Grove kabla vstavite v vtičnico na senzorju za vlago in temperaturo. Kabel bo šel v vtičnico le v eni smeri. diff --git a/translations/sl/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/sl/2-farm/lessons/2-detect-soil-moisture/README.md index 8909e5dec..5a3d81d2a 100644 --- a/translations/sl/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/sl/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C ima vodilo, sestavljeno iz dveh glavnih žic, skupaj z dvema napajalnima ž | VCC | Napetostni skupni kolektor | Napajanje za naprave. Ta žica je povezana z žicama SDA in SCL, da zagotovi njuno napajanje prek pull-up upora, ki izklopi signal, ko nobena naprava ni krmilnik. | | GND | Ozemljitev | Zagotavlja skupno ozemljitev za električni krog. | -![I2C vodilo s tremi napravami, povezanimi na žici SDA in SCL, ki si delijo skupno ozemljitveno žico](../../../../../translated_images/sl/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C vodilo s tremi napravami, povezanimi na žici SDA in SCL, ki si delijo skupno ozemljitveno žico](../../../../../translated_images/sl/i2c.83da845dde02256b.webp) Za pošiljanje podatkov ena naprava sproži začetni pogoj, da pokaže, da je pripravljena na pošiljanje podatkov. Nato postane krmilnik. Krmilnik nato pošlje naslov naprave, s katero želi komunicirati, skupaj z informacijo, ali želi brati ali pisati podatke. Po prenosu podatkov krmilnik pošlje končni pogoj, da označi, da je končal. Po tem lahko druga naprava postane krmilnik in pošilja ali prejema podatke. diff --git a/translations/sl/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/sl/2-farm/lessons/2-detect-soil-moisture/assignment.md index 6c2db8d13..39fdfa74d 100644 --- a/translations/sl/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/sl/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Te korake boste morali večkrat ponoviti, da pridobite potrebne odčitke, pri č Gravimetrična vlažnost tal se izračuna kot: -![vlažnost tal % je teža mokrih tal minus teža suhih tal, deljeno s težo suhih tal, pomnoženo s 100](../../../../../translated_images/sl/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![vlažnost tal % je teža mokrih tal minus teža suhih tal, deljeno s težo suhih tal, pomnoženo s 100](../../../../../translated_images/sl/gsm-calculation.6da38c6201eec14e.webp) * W - teža mokrih tal * W - teža suhih tal Na primer, recimo, da imate vzorec tal, ki tehta 212 g mokro in 197 g suho. -![Izpolnjen izračun](../../../../../translated_images/sl/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Izpolnjen izračun](../../../../../translated_images/sl/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212 g * W = 197 g diff --git a/translations/sl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/sl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index fad70a8fc..9360f4d8e 100644 --- a/translations/sl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/sl/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Dodajte senzor za merjenje vlažnosti tal v aplikacijo CounterFit. 1. Kliknite gumb **Add**, da ustvarite senzor *Soil Moisture* na pinu 0. - ![Nastavitve senzorja za merjenje vlažnosti tal](../../../../../translated_images/sl/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Nastavitve senzorja za merjenje vlažnosti tal](../../../../../translated_images/sl/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Senzor za merjenje vlažnosti tal bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen senzor za merjenje vlažnosti tal](../../../../../translated_images/sl/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Ustvarjen senzor za merjenje vlažnosti tal](../../../../../translated_images/sl/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Programiranje aplikacije za senzor vlažnosti tal diff --git a/translations/sl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/sl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 18bcf9c7a..f2b8a00eb 100644 --- a/translations/sl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/sl/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove senzor za merjenje vlažnosti zemlje se lahko poveže na konfigurabilni an Povežite senzor za merjenje vlažnosti zemlje. -![Grove senzor za merjenje vlažnosti zemlje](../../../../../translated_images/sl/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor za merjenje vlažnosti zemlje](../../../../../translated_images/sl/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. En konec Grove kabla vstavite v vtičnico na senzorju za merjenje vlažnosti zemlje. Kabel gre v vtičnico samo v eni smeri. diff --git a/translations/sl/2-farm/lessons/3-automated-plant-watering/README.md b/translations/sl/2-farm/lessons/3-automated-plant-watering/README.md index 178892413..9118d2ee7 100644 --- a/translations/sl/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/sl/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Samodejno zalivanje rastlin -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-7.30b5f577d3cb8e03.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -32,7 +32,7 @@ IoT naprave uporabljajo nizko napetost. Čeprav je to dovolj za senzorje in aktu Rešitev za to je, da črpalko povežete z zunanjim napajalnikom in uporabite aktuator za vklop črpalke, podobno kot bi prižgali luč. Za premik stikala je potrebna majhna količina energije (v obliki energije v vašem telesu), kar poveže luč z električnim omrežjem, ki deluje pri 110V/240V. -![Stikalo za luč vklopi napajanje luči](../../../../../translated_images/sl/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Stikalo za luč vklopi napajanje luči](../../../../../translated_images/sl/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Električno omrežje](https://wikipedia.org/wiki/Mains_electricity) se nanaša na elektriko, ki se dostavlja domovom in podjetjem prek nacionalne infrastrukture v mnogih delih sveta. @@ -72,7 +72,7 @@ Ko se ročica premakne, običajno slišite, kako se poveže z elektromagnetom z Elektromagnet ne potrebuje veliko energije za aktivacijo in premik ročice, lahko ga upravljate z izhodom 3.3V ali 5V iz IoT razvojnega kompleta. Izhodno vezje lahko prenese veliko več energije, odvisno od releja, vključno z napetostjo električnega omrežja ali celo višjimi nivoji moči za industrijsko uporabo. Na ta način lahko IoT razvojni komplet upravlja namakalni sistem, od majhne črpalke za eno rastlino do velikega industrijskega sistema za celotno komercialno kmetijo. -![Grove rele z označenim kontrolnim vezjem, izhodnim vezjem in relejem](../../../../../translated_images/sl/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Grove rele z označenim kontrolnim vezjem, izhodnim vezjem in relejem](../../../../../translated_images/sl/grove-relay-labelled.293e068f5c3c2a19.webp) Zgornja slika prikazuje Grove rele. Kontrolno vezje se poveže z IoT napravo in vklopi ali izklopi rele z uporabo 3.3V ali 5V. Izhodno vezje ima dva terminala, od katerih je lahko eden napajanje ali ozemljitev. Izhodno vezje lahko prenese do 250V pri 10A, kar je dovolj za vrsto naprav, ki jih napaja električno omrežje. Na voljo so releji, ki lahko prenesejo še višje nivoje moči. diff --git a/translations/sl/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/sl/2-farm/lessons/3-automated-plant-watering/pi-relay.md index c50254793..995e41090 100644 --- a/translations/sl/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/sl/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove rele lahko povežete z Raspberry Pi. Povežite rele. -![Grove rele](../../../../../translated_images/sl/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove rele](../../../../../translated_images/sl/grove-relay.d426958ca210fbd0.webp) 1. Vstavite en konec Grove kabla v vtičnico na releju. Kabel bo šel noter samo v eni smeri. 1. Ko je Raspberry Pi izklopljen, povežite drugi konec Grove kabla z digitalno vtičnico, označeno **D5**, na Grove Base Hat, ki je pritrjen na Pi. Ta vtičnica je druga z leve strani v vrsti vtičnic poleg GPIO pinov. Senzor za vlago v tleh pustite povezan na vtičnico **A0**. -![Grove rele povezan na vtičnico D5, senzor za vlago v tleh povezan na vtičnico A0](../../../../../translated_images/sl/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove rele povezan na vtičnico D5, senzor za vlago v tleh povezan na vtičnico A0](../../../../../translated_images/sl/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Vstavite senzor za vlago v tleh v zemljo, če tega še niste storili v prejšnji lekciji. diff --git a/translations/sl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/sl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 15aee967d..6862edbec 100644 --- a/translations/sl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/sl/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Dodajte rele v aplikacijo CounterFit. 1. Izberite gumb **Add**, da ustvarite rele na pinu 5. - ![Nastavitve releja](../../../../../translated_images/sl/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Nastavitve releja](../../../../../translated_images/sl/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Rele bo ustvarjen in se bo pojavil na seznamu aktuatorjev. - ![Ustvarjen rele](../../../../../translated_images/sl/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Ustvarjen rele](../../../../../translated_images/sl/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Programiranje releja diff --git a/translations/sl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/sl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index 1a94d3bc2..2b8e95243 100644 --- a/translations/sl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/sl/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove rele lahko povežete na digitalni priključek Wio Terminala. Povežite rele. -![Grove rele](../../../../../translated_images/sl/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove rele](../../../../../translated_images/sl/grove-relay.d426958ca210fbd0.webp) 1. Vstavite en konec Grove kabla v vtičnico na releju. Kabel bo šel noter samo v eno smer. diff --git a/translations/sl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/sl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index a63bf2c21..616d6d41f 100644 --- a/translations/sl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/sl/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrirajte svojo rastlino v oblak -![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-8.3f21f3c11159e6a0.webp) > Skica avtorice [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -46,8 +46,8 @@ To je bilo lahko zelo drago, zahtevalo je širok spekter usposobljenih zaposleni Oblak se pogosto šaljivo imenuje "računalnik nekoga drugega". Osnovna ideja je bila preprosta - namesto da bi kupovali računalnike, jih najamete od nekoga drugega. Nekdo drug, ponudnik oblačnih storitev, bi upravljal ogromne podatkovne centre. Bil bi odgovoren za nakup in namestitev strojne opreme, upravljanje napajanja in hlajenja, omrežja, varnost stavbe, posodobitve strojne in programske opreme, vse. Kot stranka bi najeli računalnike, ki jih potrebujete, najeli več, ko povpraševanje naraste, in zmanjšali število najemov, ko povpraševanje upade. Ti oblačni podatkovni centri so po vsem svetu. -![Microsoftov oblačni podatkovni center](../../../../../translated_images/sl/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Microsoftov oblačni podatkovni center - načrtovana širitev](../../../../../translated_images/sl/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Microsoftov oblačni podatkovni center](../../../../../translated_images/sl/azure-region-existing.73f704604f2aa6cb.webp) +![Microsoftov oblačni podatkovni center - načrtovana širitev](../../../../../translated_images/sl/azure-region-planned-expansion.a5074a1e8af74f15.webp) Ti podatkovni centri so lahko veliki več kvadratnih kilometrov. Zgornje slike so bile posnete pred nekaj leti v Microsoftovem oblačnem podatkovnem centru in prikazujejo začetno velikost ter načrtovano širitev. Očiščeno območje za širitev meri več kot 5 kvadratnih kilometrov. @@ -108,11 +108,11 @@ IoT storitve v oblaku rešujejo te težave. Upravljajo jih veliki oblačni ponud IoT naprave se povežejo z oblačno storitvijo bodisi z uporabo SDK-ja naprave (knjižnice, ki zagotavlja kodo za delo z značilnostmi storitve) bodisi neposredno prek komunikacijskega protokola, kot sta MQTT ali HTTP. SDK naprave je običajno najlažja pot, saj samodejno upravlja vse, na primer, katere teme objaviti ali na katere se naročiti, in kako upravljati varnost. -![Naprave se povežejo s storitvijo z uporabo SDK-ja naprave. Strežniška koda se prav tako poveže s storitvijo prek SDK-ja](../../../../../translated_images/sl/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Naprave se povežejo s storitvijo z uporabo SDK-ja naprave. Strežniška koda se prav tako poveže s storitvijo prek SDK-ja](../../../../../translated_images/sl/iot-service-connectivity.7e873847921a5d6f.webp) Vaša naprava nato komunicira z drugimi deli vaše aplikacije prek te storitve - podobno kot ste pošiljali telemetrijo in prejemali ukaze prek MQTT. To se običajno izvaja z uporabo SDK-ja storitve ali podobne knjižnice. Sporočila prihajajo iz vaše naprave v storitev, kjer jih lahko preberejo drugi deli vaše aplikacije, sporočila pa se lahko pošljejo nazaj na vašo napravo. -![Naprave brez veljavnega tajnega ključa se ne morejo povezati z IoT storitvijo](../../../../../translated_images/sl/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Naprave brez veljavnega tajnega ključa se ne morejo povezati z IoT storitvijo](../../../../../translated_images/sl/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Te storitve izvajajo varnost tako, da poznajo vse naprave, ki se lahko povežejo in pošiljajo podatke, bodisi tako, da so naprave predhodno registrirane pri storitvi, bodisi tako, da napravam dodelijo tajne ključe ali certifikate, ki jih lahko uporabijo za registracijo pri storitvi ob prvi povezavi. Nepoznane naprave se ne morejo povezati; če poskusijo, storitev zavrne povezavo in ignorira sporočila, ki jih pošljejo. @@ -124,7 +124,7 @@ Drugi deli vaše aplikacije se lahko povežejo z IoT storitvijo in izvedo, kater Zdaj, ko imate naročnino na Azure, se lahko prijavite za IoT storitev. IoT storitev Microsofta se imenuje Azure IoT Hub. -![Logotip Azure IoT Hub](../../../../../translated_images/sl/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Logotip Azure IoT Hub](../../../../../translated_images/sl/azure-iot-hub-logo.28a19de76d0a1932.webp) Spodnji video ponuja kratek pregled Azure IoT Hub: diff --git a/translations/sl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/sl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index c9b5fa3e1..25cdb6788 100644 --- a/translations/sl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/sl/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migrirajte logiko svoje aplikacije v oblak -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-9.dfe99c8e891f48e1.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -28,7 +28,7 @@ V tej lekciji bomo obravnavali: Strežniško, ali strežniško računalništvo, vključuje ustvarjanje majhnih blokov kode, ki se izvajajo v oblaku kot odziv na različne vrste dogodkov. Ko se dogodek zgodi, se vaša koda zažene in prejme podatke o dogodku. Ti dogodki lahko izhajajo iz različnih virov, vključno s spletnimi zahtevami, sporočili v vrsti, spremembami podatkov v bazi podatkov ali sporočili, ki jih IoT naprave pošljejo IoT storitvi. -![Dogodki, ki se pošiljajo iz IoT storitve v strežniško storitev, vsi obdelani hkrati z več funkcijami](../../../../../translated_images/sl/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Dogodki, ki se pošiljajo iz IoT storitve v strežniško storitev, vsi obdelani hkrati z več funkcijami](../../../../../translated_images/sl/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Če ste že uporabljali sprožilce v bazi podatkov, si to lahko predstavljate kot nekaj podobnega - koda, ki se sproži ob dogodku, kot je vstavljanje vrstice. @@ -54,7 +54,7 @@ Kot IoT razvijalec je strežniški model idealen. Lahko napišete funkcijo, ki s Strežniška računalniška storitev Microsofta se imenuje Azure Functions. -![Logotip Azure Functions](../../../../../translated_images/sl/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Logotip Azure Functions](../../../../../translated_images/sl/azure-functions-logo.1cfc8e3204c9c44a.webp) Kratek video spodaj ponuja pregled Azure Functions. diff --git a/translations/sl/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/sl/2-farm/lessons/6-keep-your-plant-secure/README.md index 33973ff5b..d12b1cc1f 100644 --- a/translations/sl/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/sl/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Ohranite svojo rastlino varno -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-10.829c86b80b9403bb.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. @@ -52,11 +52,11 @@ To so resnični scenariji, ki se dogajajo ves čas. Nekaj primerov je bilo preds Ko se naprava poveže z IoT storitvijo, uporablja ID za identifikacijo. Težava je v tem, da je ta ID mogoče klonirati - heker bi lahko nastavil zlonamerno napravo, ki uporablja isti ID kot prava naprava, vendar pošilja lažne podatke. -![Tako veljavne kot zlonamerne naprave lahko uporabljajo isti ID za pošiljanje telemetrije](../../../../../translated_images/sl/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Tako veljavne kot zlonamerne naprave lahko uporabljajo isti ID za pošiljanje telemetrije](../../../../../translated_images/sl/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Rešitev tega problema je pretvorba podatkov, ki se pošiljajo, v zakodirano obliko, pri čemer se uporabi vrednost, ki jo poznata le naprava in oblak. Ta postopek se imenuje *šifriranje*, vrednost, uporabljena za šifriranje podatkov, pa se imenuje *ključ za šifriranje*. -![Če se uporablja šifriranje, bodo sprejeta le šifrirana sporočila, druga bodo zavrnjena](../../../../../translated_images/sl/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Če se uporablja šifriranje, bodo sprejeta le šifrirana sporočila, druga bodo zavrnjena](../../../../../translated_images/sl/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Oblačna storitev lahko nato podatke pretvori nazaj v berljivo obliko s postopkom, imenovanim *dešifriranje*, pri čemer uporabi isti ključ za šifriranje ali *ključ za dešifriranje*. Če šifriranega sporočila ni mogoče dešifrirati s ključem, je bila naprava vdrta in sporočilo zavrnjeno. diff --git a/translations/sl/3-transport/lessons/1-location-tracking/README.md b/translations/sl/3-transport/lessons/1-location-tracking/README.md index 6e3f4cf6f..5543e2047 100644 --- a/translations/sl/3-transport/lessons/1-location-tracking/README.md +++ b/translations/sl/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Sledenje lokaciji -![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-11.9fddbac4b664c6d5.webp) > Skico je pripravila [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -63,13 +63,13 @@ Zemlja je krogla – tridimenzionalni krog. Zaradi tega so točke definirane z d > 💁 Nihče ne ve natančno, zakaj so krogi razdeljeni na 360 stopinj. [Stran o stopinjah (kot) na Wikipediji](https://wikipedia.org/wiki/Degree_(angle)) pokriva nekaj možnih razlogov. -![Črte geografske širine od 90° na severnem polu, 45° na polovici med severnim polom in ekvatorjem, 0° na ekvatorju, -45° na polovici med ekvatorjem in južnim polom ter -90° na južnem polu](../../../../../translated_images/sl/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Črte geografske širine od 90° na severnem polu, 45° na polovici med severnim polom in ekvatorjem, 0° na ekvatorju, -45° na polovici med ekvatorjem in južnim polom ter -90° na južnem polu](../../../../../translated_images/sl/latitude-lines.11d8d91dfb2014a5.webp) Geografska širina se meri z linijami, ki obkrožajo Zemljo in tečejo vzporedno z ekvatorjem, delijo severno in južno poloblo na po 90°. Ekvator je na 0°, severni pol na 90°, znan tudi kot 90° severno, južni pol pa na -90°, ali 90° južno. Geografska dolžina se meri kot število stopinj vzhodno in zahodno. Izvor 0° geografske dolžine se imenuje *prvi poldnevnik* in je bil leta 1884 določen kot črta od severnega do južnega pola, ki poteka skozi [Kraljevi observatorij v Greenwichu, Anglija](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Črte geografske dolžine, ki segajo od -180° zahodno od prvega poldnevnika, do 0° na prvem poldnevniku, do 180° vzhodno od prvega poldnevnika](../../../../../translated_images/sl/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Črte geografske dolžine, ki segajo od -180° zahodno od prvega poldnevnika, do 0° na prvem poldnevniku, do 180° vzhodno od prvega poldnevnika](../../../../../translated_images/sl/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Poldnevnik je namišljena ravna črta, ki poteka od severnega do južnega pola in tvori polkrog. @@ -100,7 +100,7 @@ Koordinate za točko so vedno podane kot `geografska širina, geografska dolžin * Geografsko širino 47.6423109 (47.6423109 stopinj severno od ekvatorja) * Geografsko dolžino -122.1390293 (122.1390293 stopinj zahodno od prvega poldnevnika). -![Microsoftov kampus na 47.6423109,-122.117198](../../../../../translated_images/sl/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Microsoftov kampus na 47.6423109,-122.117198](../../../../../translated_images/sl/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Globalni sistemi za določanje položaja (GPS) @@ -112,7 +112,7 @@ GPS sistemi delujejo tako, da imajo več satelitov, ki pošiljajo signal s trenu > 💁 GPS senzorji potrebujejo antene za zaznavanje radijskih valov. Antene, vgrajene v tovornjake in avtomobile z vgrajenim GPS-om, so nameščene tako, da dobijo dober signal, običajno na vetrobranskem steklu ali strehi. Če uporabljate ločen GPS sistem, kot je pametni telefon ali IoT naprava, morate zagotoviti, da ima antena, vgrajena v GPS sistem ali telefon, jasen pogled na nebo, na primer, da je nameščena na vetrobranskem steklu. -![Z poznavanjem razdalje od senzorja do več satelitov je mogoče izračunati lokacijo](../../../../../translated_images/sl/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Z poznavanjem razdalje od senzorja do več satelitov je mogoče izračunati lokacijo](../../../../../translated_images/sl/gps-satellites.04acf1148fe25fbf.webp) GPS sateliti krožijo okoli Zemlje in niso na fiksni točki nad senzorjem, zato podatki o lokaciji vključujejo tudi nadmorsko višino poleg geografske širine in dolžine. diff --git a/translations/sl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/sl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index eb39c1e7d..6d3265ee1 100644 --- a/translations/sl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/sl/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS senzor se lahko poveže z Raspberry Pi. Povežite GPS senzor. -![Grove GPS senzor](../../../../../translated_images/sl/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/sl/grove-gps-sensor.247943bf69b03f0d.webp) 1. Vstavite en konec Grove kabla v vtičnico na GPS senzorju. Kabel bo šel noter samo v eno smer. 1. Ko je Raspberry Pi izklopljen, povežite drugi konec Grove kabla z UART vtičnico, označeno **UART**, na Grove Base hat, ki je pritrjen na Pi. Ta vtičnica je v srednji vrsti, na strani, ki je najbližje reži za SD kartico, na nasprotni strani od USB priključkov in ethernet vtičnice. - ![Grove GPS senzor povezan z UART vtičnico](../../../../../translated_images/sl/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS senzor povezan z UART vtičnico](../../../../../translated_images/sl/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Postavite GPS senzor tako, da ima pritrjena antena vidljivost do neba - idealno ob odprtem oknu ali zunaj. Lažje je dobiti jasen signal, če anteni nič ne ovira. diff --git a/translations/sl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/sl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 6493eea2a..ca80c3493 100644 --- a/translations/sl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/sl/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Dodajte GPS senzor v aplikacijo CounterFit. 1. Izberite gumb **Add**, da ustvarite GPS senzor na portu `/dev/ttyAMA0`. - ![Nastavitve GPS senzorja](../../../../../translated_images/sl/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Nastavitve GPS senzorja](../../../../../translated_images/sl/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS senzor bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen GPS senzor](../../../../../translated_images/sl/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Ustvarjen GPS senzor](../../../../../translated_images/sl/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Programiranje GPS senzorja @@ -102,17 +102,17 @@ Programirajte aplikacijo za GPS senzor. * Nastavite **Source** na `Lat/Lon` in določite natančno zemljepisno širino, dolžino in število satelitov, uporabljenih za GPS fiks. Ta vrednost bo poslana samo enkrat, zato označite polje **Repeat**, da se podatki ponavljajo vsako sekundo. - ![GPS senzor z izbrano možnostjo lat lon](../../../../../translated_images/sl/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS senzor z izbrano možnostjo lat lon](../../../../../translated_images/sl/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Nastavite **Source** na `NMEA` in dodajte nekaj NMEA stavkov v besedilno polje. Vse te vrednosti bodo poslane, z zamikom 1 sekunde pred vsakim novim GGA (pozicijski fiks) stavkom. - ![GPS senzor z nastavljenimi NMEA stavki](../../../../../translated_images/sl/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS senzor z nastavljenimi NMEA stavki](../../../../../translated_images/sl/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Uporabite lahko orodje, kot je [nmeagen.org](https://www.nmeagen.org), za generiranje teh stavkov z risanjem na zemljevidu. Te vrednosti bodo poslane samo enkrat, zato označite polje **Repeat**, da se podatki ponavljajo eno sekundo po tem, ko so vsi poslani. * Nastavite **Source** na GPX datoteko in naložite GPX datoteko z lokacijami poti. GPX datoteke lahko prenesete z različnih priljubljenih spletnih mest za zemljevide in pohodništvo, kot je [AllTrails](https://www.alltrails.com/). Te datoteke vsebujejo več GPS lokacij kot pot, GPS senzor pa bo vrnil vsako novo lokacijo v intervalih po 1 sekundo. - ![GPS senzor z nastavljeno GPX datoteko](../../../../../translated_images/sl/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS senzor z nastavljeno GPX datoteko](../../../../../translated_images/sl/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Te vrednosti bodo poslane samo enkrat, zato označite polje **Repeat**, da se podatki ponavljajo eno sekundo po tem, ko so vsi poslani. diff --git a/translations/sl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/sl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index d15f4c9eb..4d47ecdad 100644 --- a/translations/sl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/sl/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS senzor lahko povežete z Wio Terminalom. Povežite GPS senzor. -![Grove GPS senzor](../../../../../translated_images/sl/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/sl/grove-gps-sensor.247943bf69b03f0d.webp) 1. Vstavite en konec Grove kabla v vtičnico na GPS senzorju. Kabel bo šel v vtičnico samo v eni smeri. diff --git a/translations/sl/3-transport/lessons/2-store-location-data/README.md b/translations/sl/3-transport/lessons/2-store-location-data/README.md index 5e5efcd60..20ba2500a 100644 --- a/translations/sl/3-transport/lessons/2-store-location-data/README.md +++ b/translations/sl/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Podatki o lokaciji trgovine -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-12.ca7f53039712a3ec.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -75,7 +75,7 @@ NoSQL podatkovne baze se imenujejo NoSQL, ker nimajo enake toge strukture kot SQ > 💁 Kljub svojemu imenu nekatere NoSQL podatkovne baze omogočajo uporabo SQL za poizvedovanje podatkov. -![Dokumenti v mapah v NoSQL podatkovni bazi](../../../../../translated_images/sl/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Dokumenti v mapah v NoSQL podatkovni bazi](../../../../../translated_images/sl/noqsl-database.62d24ccf5b73f60d.webp) NoSQL podatkovne baze nimajo vnaprej določene sheme, ki omejuje način shranjevanja podatkov, namesto tega lahko vstavite kakršne koli nestrukturirane podatke, običajno z uporabo JSON dokumentov. Ti dokumenti se lahko organizirajo v mape, podobno kot datoteke na vašem računalniku. Vsak dokument lahko ima različna polja od drugih dokumentov - na primer, če shranjujete IoT podatke iz vaših kmetijskih vozil, nekateri lahko imajo polja za podatke o pospešku in hitrosti, drugi pa polja za temperaturo v priklopniku. Če bi dodali novo vrsto tovornjaka, na primer takšnega z vgrajenimi tehtnicami za spremljanje teže prevoženega pridelka, bi vaša IoT naprava lahko dodala to novo polje, ki bi se shranilo brez kakršnih koli sprememb v podatkovni bazi. @@ -89,7 +89,7 @@ V tej lekciji boste uporabljali NoSQL shranjevanje za shranjevanje IoT podatkov. V prejšnji lekciji ste zajeli GPS podatke iz GPS senzorja, povezanega z vašo IoT napravo. Da bi te IoT podatke shranili v oblaku, jih morate poslati v IoT storitev. Ponovno boste uporabljali Azure IoT Hub, isto IoT storitev v oblaku, ki ste jo uporabljali v prejšnjem projektu. -![Pošiljanje GPS telemetrije iz IoT naprave v IoT Hub](../../../../../translated_images/sl/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Pošiljanje GPS telemetrije iz IoT naprave v IoT Hub](../../../../../translated_images/sl/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Naloga - pošiljanje GPS podatkov v IoT Hub @@ -171,7 +171,7 @@ Podatki hladne poti se shranjujejo v podatkovnih skladiščih - podatkovnih baza Ko podatki tečejo v vaš IoT Hub, lahko napišete strežniško kodo, ki posluša dogodke, objavljene na Event-Hub združljivem končnem mestu. To je topla pot - ti podatki bodo shranjeni in uporabljeni v naslednji lekciji za poročanje o poti. -![Pošiljanje GPS telemetrije iz IoT naprave v IoT Hub, nato v Azure Functions prek sprožilca Event Hub](../../../../../translated_images/sl/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Pošiljanje GPS telemetrije iz IoT naprave v IoT Hub, nato v Azure Functions prek sprožilca Event Hub](../../../../../translated_images/sl/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Naloga - obravnava GPS dogodkov z uporabo strežniške kode @@ -193,7 +193,7 @@ Ko podatki tečejo v vaš IoT Hub, lahko napišete strežniško kodo, ki posluš ## Azure Storage Accounts -![Logotip Azure Storage](../../../../../translated_images/sl/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Logotip Azure Storage](../../../../../translated_images/sl/azure-storage-logo.605c0f602c640d48.webp) Azure Storage Accounts je vsestranska storitev za shranjevanje podatkov, ki omogoča shranjevanje podatkov na različne načine. Podatke lahko shranjujete kot blob, v vrstah, tabelah ali datotekah, in to vse hkrati. diff --git a/translations/sl/3-transport/lessons/3-visualize-location-data/README.md b/translations/sl/3-transport/lessons/3-visualize-location-data/README.md index a710e915b..260079489 100644 --- a/translations/sl/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/sl/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Vizualizacija podatkov o lokaciji -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-13.a259db1485021be7.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. @@ -64,11 +64,11 @@ Vzemimo preprost primer - v projektu na kmetiji ste zajeli podatke o vlažnosti Za človeka je razumevanje teh podatkov lahko težavno. Gre za steno številk brez pravega pomena. Kot prvi korak k vizualizaciji teh podatkov jih lahko prikažemo na linijskem grafikonu: -![Linijski grafikon zgornjih podatkov](../../../../../translated_images/sl/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Linijski grafikon zgornjih podatkov](../../../../../translated_images/sl/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) To lahko še izboljšamo z dodajanjem črte, ki označuje, kdaj je bil avtomatski namakalni sistem vklopljen pri branju vlažnosti tal 450: -![Linijski grafikon vlažnosti tal z označeno črto pri 450](../../../../../translated_images/sl/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Linijski grafikon vlažnosti tal z označeno črto pri 450](../../../../../translated_images/sl/chart-soil-moisture-relay.fbb391236d34a64d.webp) Ta grafikon hitro pokaže ne samo, kakšne so bile ravni vlažnosti tal, temveč tudi točke, kjer je bil namakalni sistem vklopljen. @@ -84,7 +84,7 @@ Pri delu z GPS podatki je najjasnejša vizualizacija pogosto prikaz podatkov na Delo z zemljevidi je zanimiva naloga, saj je na voljo veliko možnosti, kot so Bing Maps, Leaflet, Open Street Maps in Google Maps. V tej lekciji boste spoznali [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) in kako lahko prikažejo vaše GPS podatke. -![Logotip Azure Maps](../../../../../translated_images/sl/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Logotip Azure Maps](../../../../../translated_images/sl/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps je "zbirka geolokacijskih storitev in SDK-jev, ki uporabljajo sveže podatke o zemljevidih za zagotavljanje geografskega konteksta spletnim in mobilnim aplikacijam." Razvijalcem so na voljo orodja za ustvarjanje čudovitih, interaktivnih zemljevidov, ki lahko na primer priporočajo prometne poti, zagotavljajo informacije o prometnih incidentih, omogočajo notranjo navigacijo, iskalne zmogljivosti, informacije o nadmorski višini, vremenske storitve in še več. @@ -183,7 +183,7 @@ Zdaj lahko naredite naslednji korak, to je prikaz zemljevida na spletni strani. Če odprete svojo datoteko `index.html` v spletnem brskalniku, bi morali videti zemljevid, osredotočen na območje Seattla. - ![Zemljevid, ki prikazuje Seattle, mesto v zvezni državi Washington, ZDA](../../../../../translated_images/sl/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Zemljevid, ki prikazuje Seattle, mesto v zvezni državi Washington, ZDA](../../../../../translated_images/sl/map-image.8fb2c53eb23ef39c.webp) ✅ Eksperimentirajte s parametri za povečavo in središče, da spremenite prikaz zemljevida. Dodate lahko različne koordinate, ki ustrezajo zemljepisni širini in dolžini vaših podatkov, da ponovno centrirate zemljevid. @@ -317,7 +317,7 @@ Sedaj ste pripravljeni na uporabo podatkov iz shrambe, ki ste jo ustvarili v pre 1. Naložite HTML stran v svoj brskalnik. Stran bo naložila zemljevid, nato pa vse GPS podatke iz shrambe in jih prikazala na zemljevidu. - ![Zemljevid Saint Edward State Park blizu Seattla, s krogi, ki prikazujejo pot okoli roba parka](../../../../../translated_images/sl/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Zemljevid Saint Edward State Park blizu Seattla, s krogi, ki prikazujejo pot okoli roba parka](../../../../../translated_images/sl/map-path.896832e72dc696ff.webp) > 💁 To kodo lahko najdete v [code](../../../../../3-transport/lessons/3-visualize-location-data/code) mapi. diff --git a/translations/sl/3-transport/lessons/4-geofences/README.md b/translations/sl/3-transport/lessons/4-geofences/README.md index 06e89df2a..53ec40b1d 100644 --- a/translations/sl/3-transport/lessons/4-geofences/README.md +++ b/translations/sl/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geografske ograje -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-14.63980c5150ae3c15.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -35,7 +35,7 @@ V tej lekciji bomo obravnavali: Geografska ograja je virtualni obod za resnično geografsko območje. Geografske ograje so lahko krogi, določeni kot točka in radij (na primer krog s premerom 100 m okoli stavbe), ali poligon, ki pokriva območje, kot je šolska cona, mestne meje ali univerzitetni ali pisarniški kampus. -![Primeri geografskih ograj, ki prikazujejo krožno ograjo okoli Microsoftove trgovine in poligonsko ograjo okoli zahodnega kampusa Microsofta](../../../../../translated_images/sl/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Primeri geografskih ograj, ki prikazujejo krožno ograjo okoli Microsoftove trgovine in poligonsko ograjo okoli zahodnega kampusa Microsofta](../../../../../translated_images/sl/geofence-examples.172fbc534665769f.webp) > 💁 Morda ste že uporabljali geografske ograje, ne da bi to vedeli. Če ste nastavili opomnik z aplikacijo za opomnike iOS ali Google Keep na podlagi lokacije, ste uporabili geografsko ograjo. Te aplikacije nastavijo geografsko ograjo na podlagi podane lokacije in vas opozorijo, ko vaš telefon vstopi v geografsko ograjo. @@ -212,7 +212,7 @@ Pomembno je poznati razdaljo do roba geografske ograje in to kombinirati z drugi Na primer, predstavljajte si GPS odčitke, ki kažejo, da je vozilo vozilo po cesti, ki poteka ob geografski ograji. Če je en sam GPS odčitek nenatančen in postavi vozilo znotraj geografske ograje, kljub temu da ni dostopa za vozila, ga je mogoče prezreti. -![GPS sled, ki prikazuje vozilo, ki prečka kampus Microsofta na 520, z GPS odčitki vzdolž ceste, razen enega na kampusu, znotraj geografske ograje](../../../../../translated_images/sl/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS sled, ki prikazuje vozilo, ki prečka kampus Microsofta na 520, z GPS odčitki vzdolž ceste, razen enega na kampusu, znotraj geografske ograje](../../../../../translated_images/sl/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) Na zgornji sliki je geografska ograja nad delom kampusa Microsoft. Rdeča črta prikazuje tovornjak, ki vozi po cesti 520, s krogi, ki označujejo GPS odčitke. Večina teh odčitkov je natančnih in se nahaja ob cesti 520, z enim nenatančnim odčitkom znotraj geografske ograje. Ta odčitek ne more biti pravilen – ni cest, po katerih bi se tovornjak nenadoma odmaknil od ceste 520 na kampus, nato pa se vrnil na cesto 520. Koda, ki preverja to geografsko ograjo, bo morala upoštevati prejšnje odčitke, preden ukrepa na podlagi rezultatov testa geografske ograje. ✅ Katere dodatne podatke bi potrebovali za preverjanje, ali je GPS odčitek lahko veljaven? @@ -284,7 +284,7 @@ Kot se spomnite iz prejšnjih lekcij, IoT Hub omogoča ponovno predvajanje dogod Odgovor je, da ne more! Namesto tega lahko definirate več ločenih povezav za branje dogodkov, pri čemer vsaka upravlja ponovno predvajanje neprebranih sporočil. Te se imenujejo *potrošniške skupine*. Ko se povežete z endpointom, lahko določite, katero potrošniško skupino želite uporabiti. Vsaka komponenta vaše aplikacije se bo povezala z drugo potrošniško skupino. -![En IoT Hub s 3 potrošniškimi skupinami, ki razdeljujejo ista sporočila na 3 različne funkcijske aplikacije](../../../../../translated_images/sl/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![En IoT Hub s 3 potrošniškimi skupinami, ki razdeljujejo ista sporočila na 3 različne funkcijske aplikacije](../../../../../translated_images/sl/consumer-groups.a3262e26fc27ba20.webp) Teoretično se lahko do 5 aplikacij poveže z vsako potrošniško skupino, in vse bodo prejele sporočila, ko prispejo. Najboljša praksa je, da vsaka aplikacija dostopa do ene potrošniške skupine, da se izognete podvajanju obdelave sporočil in zagotovite, da so ob ponovnem zagonu vsa sporočila v čakalni vrsti pravilno obdelana. Na primer, če bi zagnali svojo aplikacijo Functions lokalno, hkrati pa jo izvajali v oblaku, bi obe obdelovali sporočila, kar bi vodilo do podvojenih blobov, shranjenih v računu za shranjevanje. diff --git a/translations/sl/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/sl/4-manufacturing/lessons/1-train-fruit-detector/README.md index 18ef56f06..42cba0fa8 100644 --- a/translations/sl/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/sl/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Ustvarite detektor kakovosti sadja -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. @@ -38,7 +38,7 @@ Vsi pridelki ne dozorijo enakomerno. Paradižniki, na primer, lahko še vedno vs Vzpon avtomatizirane žetve je premaknil sortiranje pridelkov z žetve v tovarne. Hrana je potovala po dolgih tekočih trakovih, kjer so ekipe ljudi pregledovale pridelke in odstranjevale vse, kar ni ustrezalo zahtevanim standardom kakovosti. Žetev je bila cenejša zaradi strojev, vendar je še vedno obstajal strošek ročnega sortiranja hrane. -![Če je zaznan rdeč paradižnik, nadaljuje svojo pot brez prekinitve. Če je zaznan zeleni paradižnik, ga ročica preusmeri v koš za odpadke.](../../../../../translated_images/sl/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Če je zaznan rdeč paradižnik, nadaljuje svojo pot brez prekinitve. Če je zaznan zeleni paradižnik, ga ročica preusmeri v koš za odpadke.](../../../../../translated_images/sl/optical-tomato-sorting.61aa134bdda4e5b1.webp) Naslednja evolucija je bila uporaba strojev za sortiranje, bodisi vgrajenih v kombajne ali v obratih za predelavo. Prva generacija teh strojev je uporabljala optične senzorje za zaznavanje barv, ki so upravljali aktuatorje za preusmerjanje zelenih paradižnikov v koš za odpadke z uporabo ročic ali zračnih sunkov, medtem ko so rdeči paradižniki nadaljevali svojo pot po mreži tekočih trakov. @@ -62,7 +62,7 @@ Na primer, modelu bi lahko dali milijone slik nezrelih banan kot vhodne podatke > 🎓 Rezultati ML modelov se imenujejo *napovedi*. -![2 banani, ena zrela z napovedjo 99,7 % zrela, 0,3 % nezrela, in ena nezrela z napovedjo 1,4 % zrela, 98,6 % nezrela.](../../../../../translated_images/sl/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banani, ena zrela z napovedjo 99,7 % zrela, 0,3 % nezrela, in ena nezrela z napovedjo 1,4 % zrela, 98,6 % nezrela.](../../../../../translated_images/sl/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) ML modeli ne dajejo binarnih odgovorov, temveč verjetnosti. Na primer, modelu bi lahko dali sliko banane, ki bi napovedal `zrela` z 99,7 % in `nezrela` z 0,3 %. Vaša koda bi nato izbrala najboljšo napoved in odločila, da je banana zrela. @@ -90,7 +90,7 @@ Na voljo je širok spekter orodij, ki vam lahko pri tem pomagajo, vključno s st Custom Vision je orodje v oblaku za usposabljanje klasifikatorjev slik. Omogoča vam usposabljanje klasifikatorja z uporabo le majhnega števila slik. Slike lahko naložite prek spletnega portala, spletnega API-ja ali SDK-ja, pri čemer vsaki sliki dodelite *oznako*, ki predstavlja klasifikacijo te slike. Nato usposobite model in ga preizkusite, da vidite, kako dobro deluje. Ko ste zadovoljni z modelom, lahko objavite njegove različice, ki so dostopne prek spletnega API-ja ali SDK-ja. -![Logotip Azure Custom Vision](../../../../../translated_images/sl/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Logotip Azure Custom Vision](../../../../../translated_images/sl/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Model Custom Vision lahko usposobite že s 5 slikami na klasifikacijo, vendar je več bolje. Boljše rezultate lahko dosežete z vsaj 30 slikami. @@ -146,7 +146,7 @@ Za uporabo Custom Vision morate najprej ustvariti dva vira za kognitivne storitv Ko ustvarite svoj projekt, se prepričajte, da uporabljate vir `fruit-quality-detector-training`, ki ste ga ustvarili prej. Uporabite vrsto projekta *Classification*, vrsto klasifikacije *Multiclass* in domeno *Food*. - ![Nastavitve za projekt Custom Vision z imenom nastavljenim na fruit-quality-detector, brez opisa, virom nastavljenim na fruit-quality-detector-training, vrsto projekta nastavljenim na classification, vrsto klasifikacije nastavljenim na multi class in domeno nastavljenim na food.](../../../../../translated_images/sl/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Nastavitve za projekt Custom Vision z imenom nastavljenim na fruit-quality-detector, brez opisa, virom nastavljenim na fruit-quality-detector-training, vrsto projekta nastavljenim na classification, vrsto klasifikacije nastavljenim na multi class in domeno nastavljenim na food.](../../../../../translated_images/sl/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Vzemite si čas za raziskovanje uporabniškega vmesnika Custom Vision za vaš klasifikator slik. @@ -164,7 +164,7 @@ Klasifikatorji slik delujejo pri zelo nizki ločljivosti. Na primer, Custom Visi * Uporabite 2 zrela banan in posnemite nekaj slik vsake iz različnih kotov, pri čemer posnemite vsaj 7 slik (5 za treniranje, 2 za testiranje), vendar idealno več. - ![Fotografije 2 različnih banan](../../../../../translated_images/sl/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Fotografije 2 različnih banan](../../../../../translated_images/sl/banana-training-images.530eb203346d73bc.webp) * Ponovite isti postopek z 2 nezrelimi bananami. @@ -174,7 +174,7 @@ Klasifikatorji slik delujejo pri zelo nizki ločljivosti. Na primer, Custom Visi 1. Sledite [oddelku za nalaganje in označevanje slik v hitrem začetku za izdelavo klasifikatorja na Microsoftovi dokumentaciji](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), da naložite svoje slike za treniranje. Zrele sadeže označite kot `ripe`, nezrele pa kot `unripe`. - ![Dialogi za nalaganje, ki prikazujejo nalaganje slik zrelih in nezrelih banan](../../../../../translated_images/sl/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dialogi za nalaganje, ki prikazujejo nalaganje slik zrelih in nezrelih banan](../../../../../translated_images/sl/image-upload-bananas.0751639f3815e0ec.webp) 1. Sledite [oddelku za treniranje klasifikatorja v hitrem začetku za izdelavo klasifikatorja na Microsoftovi dokumentaciji](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier), da trenirate klasifikator slik na svojih naloženih slikah. @@ -192,7 +192,7 @@ Ko je vaš klasifikator treniran, ga lahko testirate tako, da mu podate novo sli 1. Sledite [dokumentaciji za testiranje modela na Microsoftovi dokumentaciji](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), da testirate svoj klasifikator slik. Uporabite slike za testiranje, ki ste jih ustvarili prej, ne pa slik, ki ste jih uporabili za treniranje. - ![Nezrela banana napovedana kot nezrela z verjetnostjo 98,9 %, zrela z verjetnostjo 1,1 %](../../../../../translated_images/sl/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Nezrela banana napovedana kot nezrela z verjetnostjo 98,9 %, zrela z verjetnostjo 1,1 %](../../../../../translated_images/sl/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Preizkusite vse slike za testiranje, ki jih imate na voljo, in opazujte verjetnosti. diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/README.md index b832655b7..612cce939 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Preverjanje kakovosti sadja z IoT napravo -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-16.215daf18b00631fb.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. @@ -26,7 +26,7 @@ V tej lekciji bomo obravnavali: Senzorji kamer, kot že ime pove, so kamere, ki jih lahko povežete z vašo IoT napravo. Lahko zajamejo statične slike ali snemajo video. Nekateri vrnejo surove podatke slike, drugi pa stisnejo podatke v slikovno datoteko, kot je JPEG ali PNG. Kamere, ki delujejo z IoT napravami, so običajno manjše in imajo nižjo ločljivost, kot ste jih vajeni, vendar lahko dobite tudi kamere z visoko ločljivostjo, ki se lahko kosajo z najboljšimi telefoni. Na voljo so različne zamenljive leče, večkamerne nastavitve, infrardeče termalne kamere ali UV kamere. -![Svetloba iz prizora prehaja skozi lečo in se osredotoči na CMOS senzor](../../../../../translated_images/sl/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Svetloba iz prizora prehaja skozi lečo in se osredotoči na CMOS senzor](../../../../../translated_images/sl/cmos-sensor.75f9cd74decb1371.webp) Večina senzorjev kamer uporablja slikovne senzorje, kjer je vsak piksel fotodioda. Leča osredotoči sliko na slikovni senzor, tisoče ali milijone fotodiod pa zazna svetlobo, ki pada nanje, in jo zabeleži kot podatke o pikslih. @@ -74,7 +74,7 @@ Iteracije se objavljajo iz portala Custom Vision. 1. Kliknite gumb **Publish** za iteracijo. - ![Gumb za objavo](../../../../../translated_images/sl/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Gumb za objavo](../../../../../translated_images/sl/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. V pogovornem oknu *Publish Model* nastavite *Prediction resource* na vir `fruit-quality-detector-prediction`, ki ste ga ustvarili v prejšnji lekciji. Pustite ime kot `Iteration2` in kliknite gumb **Publish**. @@ -88,7 +88,7 @@ Iteracije se objavljajo iz portala Custom Vision. Prav tako kopirajte vrednost *Prediction-Key*. To je varnostni ključ, ki ga morate posredovati, ko kličete model. Samo aplikacije, ki posredujejo ta ključ, lahko uporabljajo model, vse druge aplikacije so zavrnjene. - ![Pogovorno okno napovednega API-ja, ki prikazuje URL in ključ](../../../../../translated_images/sl/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Pogovorno okno napovednega API-ja, ki prikazuje URL in ključ](../../../../../translated_images/sl/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Ko je nova iteracija objavljena, bo imela drugačno ime. Kako mislite, da bi spremenili iteracijo, ki jo uporablja IoT naprava? @@ -109,7 +109,7 @@ Morda boste ugotovili, da rezultati, ki jih dobite pri uporabi kamere, povezane Za najboljše rezultate klasifikatorja slik želite model trenirati s slikami, ki so čim bolj podobne slikam, uporabljenim za napovedi. Če ste na primer za treniranje uporabili kamero telefona, se kakovost slike, ostrina in barve razlikujejo od kamere, povezane z IoT napravo. -![2 slike banan, ena z nizko ločljivostjo in slabšo osvetlitvijo z IoT naprave, druga z visoko ločljivostjo in dobro osvetlitvijo s telefonom](../../../../../translated_images/sl/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 slike banan, ena z nizko ločljivostjo in slabšo osvetlitvijo z IoT naprave, druga z visoko ločljivostjo in dobro osvetlitvijo s telefonom](../../../../../translated_images/sl/banana-picture-compare.174df164dc326a42.webp) Na zgornji sliki je slika banane na levi posneta z Raspberry Pi kamero, slika na desni pa z iPhone-om. Opazna je razlika v kakovosti – slika z iPhone-a je ostrejša, z živahnejšimi barvami in večjim kontrastom. diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 868cef996..21bfb1158 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Kamera se lahko poveže z Raspberry Pi-jem z uporabo traku kabla. ### Naloga - povežite kamero -![Raspberry Pi kamera](../../../../../translated_images/sl/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Raspberry Pi kamera](../../../../../translated_images/sl/pi-camera-module.4278753c31bd6e75.webp) 1. Izklopite Pi. @@ -24,17 +24,17 @@ Kamera se lahko poveže z Raspberry Pi-jem z uporabo traku kabla. Animacijo, ki prikazuje, kako odpreti sponko in vstaviti kabel, najdete v [dokumentaciji Raspberry Pi za začetek uporabe kamere](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Trak kabla vstavljen v modul kamere](../../../../../translated_images/sl/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Trak kabla vstavljen v modul kamere](../../../../../translated_images/sl/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Odstranite Grove Base Hat iz Pi-ja. 1. Potegnite trak kabla skozi režo za kamero v Grove Base Hat. Prepričajte se, da je modra stran kabla obrnjena proti analognim priključkom, označenim z **A0**, **A1** itd. - ![Trak kabla, ki poteka skozi Grove Base Hat](../../../../../translated_images/sl/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Trak kabla, ki poteka skozi Grove Base Hat](../../../../../translated_images/sl/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Vstavite trak kabla v priključek za kamero na Pi-ju. Spet povlecite črno plastično sponko navzgor, vstavite kabel in nato potisnite sponko nazaj. Modra stran kabla naj bo obrnjena proti USB in ethernet priključkom. - ![Trak kabla povezan s priključkom za kamero na Pi-ju](../../../../../translated_images/sl/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Trak kabla povezan s priključkom za kamero na Pi-ju](../../../../../translated_images/sl/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Ponovno namestite Grove Base Hat. @@ -101,7 +101,7 @@ Programirajte napravo. Vrstica `camera.rotation = 0` nastavi rotacijo slike. Trak kabla vstopa na dno kamere, vendar če je vaša kamera obrnjena, da lažje usmeri predmet, ki ga želite razvrstiti, lahko to vrstico spremenite na število stopinj rotacije. - ![Kamera, obrnjena navzdol nad pločevinko pijače](../../../../../translated_images/sl/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Kamera, obrnjena navzdol nad pločevinko pijače](../../../../../translated_images/sl/pi-camera-upside-down.5376961ba3145988.webp) Na primer, če trak kabla obesite nad nekaj, tako da je na vrhu kamere, nastavite rotacijo na 180: diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 8ab0a9def..d50f8f0f5 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Storitev Custom Vision ima Python SDK, ki ga lahko uporabite za razvrščanje sl Videli boste sliko, ki je bila posneta, in te vrednosti v zavihku **Predictions** v Custom Vision. - ![Banana v Custom Vision, napovedana kot zrela s 56,8% in nezrela s 43,1%](../../../../../translated_images/sl/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banana v Custom Vision, napovedana kot zrela s 56,8% in nezrela s 43,1%](../../../../../translated_images/sl/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 To kodo lahko najdete v mapi [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) ali [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 39085fbbf..416941a8b 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Dodajte kamero v aplikacijo CounterFit. 1. Izberite gumb **Add**, da ustvarite kamero. - ![Nastavitve kamere](../../../../../translated_images/sl/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Nastavitve kamere](../../../../../translated_images/sl/counterfit-create-camera.a5de97f59c0bd3cb.webp) Kamera bo ustvarjena in se bo pojavila na seznamu senzorjev. - ![Ustvarjena kamera](../../../../../translated_images/sl/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Ustvarjena kamera](../../../../../translated_images/sl/counterfit-camera.001ec52194c8ee5d.webp) ## Programiranje kamere @@ -103,7 +103,7 @@ Programirajte napravo. 1. Konfigurirajte sliko, ki jo bo kamera v CounterFit zajela. Lahko nastavite *Source* na *File*, nato naložite slikovno datoteko, ali pa nastavite *Source* na *WebCam*, in slike bodo zajete iz vaše spletne kamere. Prepričajte se, da ste po izbiri slike ali spletne kamere izbrali gumb **Set**. - ![CounterFit z datoteko, nastavljeno kot vir slike, in spletno kamero, ki prikazuje osebo, ki drži banano, v predogledu spletne kamere](../../../../../translated_images/sl/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit z datoteko, nastavljeno kot vir slike, in spletno kamero, ki prikazuje osebo, ki drži banano, v predogledu spletne kamere](../../../../../translated_images/sl/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Slika bo zajeta in shranjena kot `image.jpg` v trenutni mapi. To datoteko boste videli v raziskovalcu VS Code. Izberite datoteko, da si ogledate sliko. Če jo je treba zasukati, posodobite vrstico `camera.rotation = 0` po potrebi in posnemite novo sliko. diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 53e5fcc40..843c7f5ce 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam nima Grove vtičnice, ampak se povezuje na SPI in I²C vodila prek GPIO Povežite kamero. -![Senzor ArduCam](../../../../../translated_images/sl/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Senzor ArduCam](../../../../../translated_images/sl/arducam.20e4e4cbb2682965.webp) 1. Pini na spodnji strani ArduCam-a morajo biti povezani z GPIO pini na Wio Terminalu. Da boste lažje našli prave pine, pritrdite nalepko z GPIO pini, ki je priložena Wio Terminalu, okoli pinov: @@ -35,7 +35,7 @@ Povežite kamero. | SDA | 3 (I2C1_SDA) | I²C serijski podatki | | SCL | 5 (I2C1_SCL) | I²C serijska ura | - ![Wio Terminal povezan z ArduCam prek povezovalnih žic](../../../../../translated_images/sl/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal povezan z ArduCam prek povezovalnih žic](../../../../../translated_images/sl/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Povezavi GND in VCC zagotavljata 5V napajanje za ArduCam. Kamera deluje na 5V, za razliko od Grove senzorjev, ki delujejo na 3V. To napajanje prihaja neposredno iz USB-C povezave, ki napaja napravo. @@ -456,7 +456,7 @@ Wio Terminal podpira samo mikroSD kartice do velikosti 16 GB. Če imate večjo S 1. Izklopite mikroSD kartico in jo odstranite tako, da jo rahlo pritisnete in sprostite, nato pa bo skočila ven. Morda boste morali uporabiti tanek pripomoček za to. Priključite mikroSD kartico v računalnik, da si ogledate slike. - ![Slika banane, zajeta z ArduCam](../../../../../translated_images/sl/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Slika banane, zajeta z ArduCam](../../../../../translated_images/sl/banana-arducam.be1b32d4267a8194.webp) 💁 Morda bo potrebnih nekaj slik, da se belina kamere prilagodi. To boste opazili glede na barvo posnetih slik, prve nekaj lahko izgledajo barvno nepravilne. To lahko vedno zaobidete tako, da spremenite kodo za zajem nekaj slik, ki so prezrte v funkciji `setup`. diff --git a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 60148fdf0..bb4413630 100644 --- a/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/sl/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Ti certifikati vsebujejo javne ključe in jih ni treba hraniti na varnem. Lahko Videli boste sliko, ki je bila posneta, in te vrednosti v zavihku **Predictions** v Custom Vision. - ![Banana v Custom Vision napovedana kot zrela s 56,8% in nezrela s 43,1%](../../../../../translated_images/sl/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banana v Custom Vision napovedana kot zrela s 56,8% in nezrela s 43,1%](../../../../../translated_images/sl/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 To kodo najdete v mapi [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/sl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/sl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index c2e49b0df..0bbba396d 100644 --- a/translations/sl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/sl/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Zaženite vaš detektor sadja na robu -![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-17.bc333c3c35ba8e42.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -33,11 +33,11 @@ V tej lekciji bomo obravnavali: Robno računalništvo vključuje računalnike, ki obdelujejo podatke IoT čim bližje mestu, kjer so ti podatki ustvarjeni. Namesto da se ta obdelava izvaja v oblaku, se premakne na rob oblaka - vaše interno omrežje. -![Diagram arhitekture, ki prikazuje internetne storitve v oblaku in IoT naprave v lokalnem omrežju](../../../../../translated_images/sl/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Diagram arhitekture, ki prikazuje internetne storitve v oblaku in IoT naprave v lokalnem omrežju](../../../../../translated_images/sl/cloud-without-edge.b4da641f6022c95e.webp) V dosedanjih lekcijah ste imeli naprave, ki zbirajo podatke in jih pošiljajo v oblak za analizo, kjer se izvajajo brezstrežni funkciji ali AI modeli v oblaku. -![Diagram arhitekture, ki prikazuje IoT naprave v lokalnem omrežju, ki se povezujejo z robnimi napravami, te pa se povezujejo z oblakom](../../../../../translated_images/sl/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Diagram arhitekture, ki prikazuje IoT naprave v lokalnem omrežju, ki se povezujejo z robnimi napravami, te pa se povezujejo z oblakom](../../../../../translated_images/sl/cloud-with-edge.1e26462c62c126fe.webp) Robno računalništvo vključuje premik nekaterih oblačnih storitev iz oblaka na računalnike, ki delujejo v istem omrežju kot IoT naprave, in komunikacijo z oblakom le, če je to potrebno. Na primer, lahko izvajate AI modele na robnih napravah za analizo zrelosti sadja in v oblak pošiljate le analitiko, kot je število zrelih kosov sadja v primerjavi z nezrelimi. @@ -85,7 +85,7 @@ Za IoT sisteme boste pogosto želeli kombinacijo oblačnega in robnega računaln ## Azure IoT Edge -![Logotip Azure IoT Edge](../../../../../translated_images/sl/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Logotip Azure IoT Edge](../../../../../translated_images/sl/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge je storitev, ki vam lahko pomaga premakniti delovne obremenitve iz oblaka na rob. Napravo nastavite kot robno napravo, iz oblaka pa lahko na to robno napravo namestite kodo. To vam omogoča kombiniranje zmogljivosti oblaka in roba. @@ -99,7 +99,7 @@ IoT Edge je vgrajen v IoT Hub, zato lahko upravljate robne naprave z isto storit IoT Edge izvaja kodo iz *kontejnerjev* - samostojnih aplikacij, ki se izvajajo ločeno od preostalih aplikacij na vašem računalniku. Ko zaženete kontejner, deluje kot ločen računalnik znotraj vašega računalnika, z lastno programsko opremo, storitvami in aplikacijami. Večinoma kontejnerji ne morejo dostopati do ničesar na vašem računalniku, razen če se odločite deliti stvari, kot je mapa, s kontejnerjem. Kontejner nato izpostavi storitve prek odprtega porta, do katerega lahko dostopate ali ga izpostavite svojemu omrežju. -![Spletna zahteva, preusmerjena v kontejner](../../../../../translated_images/sl/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Spletna zahteva, preusmerjena v kontejner](../../../../../translated_images/sl/container-web-browser.4ee81dd4f0d8838c.webp) Na primer, lahko imate kontejner z spletno stranjo, ki deluje na portu 80, privzetem HTTP portu, in ga nato izpostavite iz vašega računalnika tudi na portu 80. @@ -195,11 +195,11 @@ Ko je model usposobljen, ga je treba izvoziti kot vsebnik. ## Pripravite svoj vsebnik za uvajanje -![Vsebnik se ustvari, nato potisne v register vsebnikov in se nato uvede na napravo na robu z uporabo IoT Edge](../../../../../translated_images/sl/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Vsebnik se ustvari, nato potisne v register vsebnikov in se nato uvede na napravo na robu z uporabo IoT Edge](../../../../../translated_images/sl/container-edge-flow.c246050dd60ceefd.webp) Ko prenesete svoj model, ga je treba sestaviti v vsebnik in potisniti v register vsebnikov - spletno mesto za shranjevanje vsebnikov. IoT Edge lahko nato prenese vsebnik iz registra in ga potisne na vašo napravo. -![Logotip Azure Container Registry](../../../../../translated_images/sl/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Logotip Azure Container Registry](../../../../../translated_images/sl/azure-container-registry-logo.09494206991d4b29.webp) Register vsebnikov, ki ga boste uporabili za to lekcijo, je Azure Container Registry. Ta storitev ni brezplačna, zato za zmanjšanje stroškov poskrbite, da [počistite svoj projekt](../../../clean-up.md), ko končate. diff --git a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index 971252560..dec1b7411 100644 --- a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Sproži zaznavanje kakovosti sadja s senzorjem -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-18.92c32ed1d354caa5.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -39,7 +39,7 @@ IoT aplikacije lahko opišemo kot *stvari* (naprave), ki pošiljajo podatke, ki ### Referenčna IoT arhitektura -![Referenčna IoT arhitektura](../../../../../translated_images/sl/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Referenčna IoT arhitektura](../../../../../translated_images/sl/iot-reference-architecture.2278b98b55c6d4e8.webp) Zgornji diagram prikazuje referenčno IoT arhitekturo. @@ -49,7 +49,7 @@ Zgornji diagram prikazuje referenčno IoT arhitekturo. * **Vpogledi** izhajajo iz brezstrežnih aplikacij ali iz analize shranjenih podatkov. * **Dejanja** so lahko ukazi, poslani napravam, ali vizualizacija podatkov, ki omogoča ljudem sprejemanje odločitev. -![Referenčna IoT arhitektura](../../../../../translated_images/sl/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Referenčna IoT arhitektura](../../../../../translated_images/sl/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Zgornji diagram prikazuje nekatere komponente in storitve, obravnavane v teh lekcijah, ter kako se povezujejo v referenčni IoT arhitekturi. @@ -89,7 +89,7 @@ Potrebujete sistem, kjer se sadje zazna, ko prispe na tekoči trak, nato se foto ### Prototipiranje vaše aplikacije -![Referenčna IoT arhitektura za preverjanje kakovosti sadja](../../../../../translated_images/sl/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Referenčna IoT arhitektura za preverjanje kakovosti sadja](../../../../../translated_images/sl/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Zgornji diagram prikazuje referenčno arhitekturo za to prototipno aplikacijo. @@ -124,7 +124,7 @@ Sledite ustreznemu vodniku za uporabo senzorja bližine za zaznavanje predmeta z Prototip detektorja sadja ima več komponent, ki medsebojno komunicirajo. -![Komponente, ki medsebojno komunicirajo](../../../../../translated_images/sl/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Komponente, ki medsebojno komunicirajo](../../../../../translated_images/sl/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Senzor bližine meri razdaljo do kosa sadja in jo pošilja v IoT Hub * Ukaz za nadzor kamere prihaja iz IoT Hub do naprave s kamero diff --git a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index a3acce9c7..a39d8a063 100644 --- a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Grove senzor Time of Flight lahko povežete z Raspberry Pi. Povežite senzor Time of Flight. -![Grove senzor Time of Flight](../../../../../translated_images/sl/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove senzor Time of Flight](../../../../../translated_images/sl/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Vstavite en konec Grove kabla v priključek na senzorju Time of Flight. Kabel bo šel noter le v eni smeri. diff --git a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 12bfec7ae..42d8f3ce9 100644 --- a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Dodajte senzor razdalje v aplikacijo CounterFit. 1. Izberite gumb **Add**, da ustvarite senzor razdalje. - ![Nastavitve senzorja razdalje](../../../../../translated_images/sl/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Nastavitve senzorja razdalje](../../../../../translated_images/sl/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Senzor razdalje bo ustvarjen in se bo pojavil na seznamu senzorjev. - ![Ustvarjen senzor razdalje](../../../../../translated_images/sl/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Ustvarjen senzor razdalje](../../../../../translated_images/sl/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Programiranje senzorja razdalje diff --git a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index aa2b5e7b2..c919e9c9d 100644 --- a/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/sl/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove senzor Time of Flight je mogoče povezati z Wio Terminalom. Povežite senzor Time of Flight. -![Grove senzor Time of Flight](../../../../../translated_images/sl/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove senzor Time of Flight](../../../../../translated_images/sl/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Vstavite en konec Grove kabla v priključek na senzorju Time of Flight. Kabel bo šel noter le na en način. diff --git a/translations/sl/5-retail/lessons/1-train-stock-detector/README.md b/translations/sl/5-retail/lessons/1-train-stock-detector/README.md index ff5a36015..765f7f3e0 100644 --- a/translations/sl/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/sl/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Učite se zaznavanja zalog -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-19.cf6973cecadf080c.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -36,7 +36,7 @@ Zaznavanje objektov vključuje zaznavanje objektov na slikah z uporabo AI. Za ra Klasifikacija slik se osredotoča na klasifikacijo celotne slike – kakšne so verjetnosti, da celotna slika ustreza vsaki oznaki. Rezultat so verjetnosti za vsako oznako, ki je bila uporabljena za treniranje modela. -![Klasifikacija slik za indijske oreščke in paradižnikovo pasto](../../../../../translated_images/sl/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Klasifikacija slik za indijske oreščke in paradižnikovo pasto](../../../../../translated_images/sl/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) V zgornjem primeru sta dve sliki klasificirani z modelom, ki je bil usposobljen za klasifikacijo posod z indijskimi oreščki ali pločevink paradižnikove paste. Prva slika je posoda z indijskimi oreščki in ima dva rezultata klasifikatorja slik: @@ -60,7 +60,7 @@ Ko ga nato uporabite za napovedovanje slik, namesto da dobite seznam oznak in od > 🎓 *Okvirji* so škatle okoli objekta. -![Zaznavanje objektov za indijske oreščke in paradižnikovo pasto](../../../../../translated_images/sl/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Zaznavanje objektov za indijske oreščke in paradižnikovo pasto](../../../../../translated_images/sl/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Zgornja slika vsebuje tako posodo z indijskimi oreščki kot tri pločevinke paradižnikove paste. Zaznavalnik objektov je zaznal indijske oreščke in vrnil okvir, ki vsebuje indijske oreščke, z odstotno verjetnostjo, da okvir vsebuje objekt, v tem primeru 97.6%. Zaznavalnik objektov je zaznal tudi tri pločevinke paradižnikove paste in zagotavlja tri ločene okvirje, enega za vsako zaznano pločevinko, pri čemer ima vsak odstotno verjetnost, da okvir vsebuje pločevinko paradižnikove paste. @@ -111,7 +111,7 @@ Zaznavalnik objektov lahko trenirate z uporabo Custom Vision, na podoben način Ko ustvarite svoj projekt, se prepričajte, da uporabljate vir `stock-detector-training`, ki ste ga ustvarili prej. Uporabite tip projekta *Object Detection* in domeno *Products on Shelves*. - ![Nastavitve za projekt Custom Vision z imenom fruit-quality-detector, brez opisa, virom nastavljenim na fruit-quality-detector-training, tipom projekta nastavljenim na klasifikacijo, klasifikacijskimi tipi nastavljenimi na več razredov in domenami nastavljenimi na hrano](../../../../../translated_images/sl/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Nastavitve za projekt Custom Vision z imenom fruit-quality-detector, brez opisa, virom nastavljenim na fruit-quality-detector-training, tipom projekta nastavljenim na klasifikacijo, klasifikacijskimi tipi nastavljenimi na več razredov in domenami nastavljenimi na hrano](../../../../../translated_images/sl/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Domena izdelkov na policah je posebej namenjena zaznavanju zalog na trgovinskih policah. Preberite več o različnih domenah v [dokumentaciji o izbiri domene 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 @@ Za treniranje modela boste potrebovali niz slik, ki vsebujejo objekte, ki jih ž 1. Sledite [oddelku Naloži in označi slike v hitrem začetku za gradnjo zaznavalnika objektov na 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), da naložite svoje slike za treniranje. Ustvarite ustrezne oznake glede na vrste objektov, ki jih želite zaznati. - ![Dialogi za nalaganje, ki prikazujejo nalaganje slik zrelih in nezrelih banan](../../../../../translated_images/sl/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Dialogi za nalaganje, ki prikazujejo nalaganje slik zrelih in nezrelih banan](../../../../../translated_images/sl/image-upload-object-detector.77c7892c3093cb59.webp) Ko rišete okvirje za objekte, jih držite tesno okoli objekta. Lahko traja nekaj časa, da obkrožite vse slike, vendar orodje zazna, kaj meni, da so okvirji, kar proces pospeši. - ![Označevanje paradižnikove paste](../../../../../translated_images/sl/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Označevanje paradižnikove paste](../../../../../translated_images/sl/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Če imate več kot 15 slik za vsak objekt, lahko trenirate po 15 in nato uporabite funkcijo **Predlagane oznake**. To bo uporabilo trenirani model za zaznavanje objektov na neoznačenih slikah. Nato lahko potrdite zaznane objekte ali jih zavrnete in ponovno narišete okvirje. To lahko prihrani *veliko* časa. @@ -155,7 +155,7 @@ Ko je vaš zaznavalnik objektov treniran, ga lahko testirate tako, da mu podate 1. Uporabite gumb **Quick Test**, da naložite testne slike in preverite, ali so objekti zaznani. Uporabite testne slike, ki ste jih ustvarili prej, ne pa nobene od slik, ki ste jih uporabili za treniranje. - ![3 pločevinke paradižnikove paste zaznane z verjetnostmi 38%, 35.5% in 34.6%](../../../../../translated_images/sl/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 pločevinke paradižnikove paste zaznane z verjetnostmi 38%, 35.5% in 34.6%](../../../../../translated_images/sl/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Poskusite vse testne slike, ki jih imate na voljo, in opazujte verjetnosti. diff --git a/translations/sl/5-retail/lessons/2-check-stock-device/README.md b/translations/sl/5-retail/lessons/2-check-stock-device/README.md index c32d8e4e8..209ecb28a 100644 --- a/translations/sl/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/sl/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Preverjanje zalog z IoT napravo -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-20.0211df9551a8abb3.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -62,7 +62,7 @@ Iteracije se objavijo iz portala Custom Vision. 1. Kliknite gumb **Publish** za iteracijo. - ![Gumb za objavo](../../../../../translated_images/sl/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Gumb za objavo](../../../../../translated_images/sl/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. V pogovornem oknu *Publish Model* nastavite *Prediction resource* na vir `stock-detector-prediction`, ki ste ga ustvarili v prejšnji lekciji. Ime pustite kot `Iteration2` in kliknite gumb **Publish**. @@ -76,7 +76,7 @@ Iteracije se objavijo iz portala Custom Vision. Prav tako kopirajte vrednost *Prediction-Key*. To je varnostni ključ, ki ga morate posredovati, ko kličete model. Samo aplikacije, ki posredujejo ta ključ, lahko uporabljajo model, vse druge aplikacije so zavrnjene. - ![Pogovorno okno API za napovedovanje, ki prikazuje URL in ključ](../../../../../translated_images/sl/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Pogovorno okno API za napovedovanje, ki prikazuje URL in ključ](../../../../../translated_images/sl/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Ko je objavljena nova iteracija, bo imela drugačno ime. Kako mislite, da bi spremenili iteracijo, ki jo uporablja IoT naprava? @@ -95,7 +95,7 @@ Ko uporabljate model za prepoznavanje objektov, ne dobite le zaznanih objektov z Rezultati napovedi v zavihku **Predictions** v Custom Vision imajo omejevalne okvirje narisane na sliki, ki je bila poslana za napovedovanje. -![4 pločevinke paradižnikovega koncentrata na polici z napovedmi za 4 zaznave z verjetnostmi 35.8%, 33.5%, 25.7% in 16.6%](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 pločevinke paradižnikovega koncentrata na polici z napovedmi za 4 zaznave z verjetnostmi 35.8%, 33.5%, 25.7% in 16.6%](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca341.webp) Na zgornji sliki so bile zaznane 4 pločevinke paradižnikovega koncentrata. V rezultatih je rdeč kvadrat prekril vsak zaznani objekt na sliki, kar označuje omejevalni okvir za sliko. @@ -103,7 +103,7 @@ Na zgornji sliki so bile zaznane 4 pločevinke paradižnikovega koncentrata. V r Omejevalni okvirji so določeni s 4 vrednostmi - zgoraj, levo, višina in širina. Te vrednosti so na lestvici od 0-1, kar predstavlja položaje kot odstotek velikosti slike. Izvor (položaj 0,0) je zgornji levi del slike, zato je zgornja vrednost razdalja od vrha, spodnji del omejevalnega okvirja pa je zgornji del plus višina. -![Omejevalni okvir okoli pločevinke paradižnikovega koncentrata](../../../../../translated_images/sl/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Omejevalni okvir okoli pločevinke paradižnikovega koncentrata](../../../../../translated_images/sl/bounding-box.1420a7ea0d3d15f7.webp) Zgornja slika je široka 600 slikovnih pik in visoka 800 slikovnih pik. Omejevalni okvir se začne 320 slikovnih pik navzdol, kar daje zgornjo koordinato 0.4 (800 x 0.4 = 320). Od leve se omejevalni okvir začne 240 slikovnih pik čez, kar daje levo koordinato 0.4 (600 x 0.4 = 240). Višina omejevalnega okvirja je 240 slikovnih pik, kar daje vrednost višine 0.3 (800 x 0.3 = 240). Širina omejevalnega okvirja je 120 slikovnih pik, kar daje vrednost širine 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Uporaba odstotkovnih vrednosti od 0-1 pomeni, da ne glede na to, na kakšno veli Omejevalne okvirje lahko uporabite v kombinaciji z verjetnostmi za oceno, kako natančno je zaznavanje. Na primer, model za prepoznavanje objektov lahko zazna več objektov, ki se prekrivajo, na primer zazna eno pločevinko znotraj druge. Vaša koda lahko pregleda omejevalne okvirje, razume, da je to nemogoče, in ignorira vse objekte, ki se znatno prekrivajo z drugimi objekti. -![Dva omejevalna okvirja, ki se prekrivata pločevinko paradižnikovega koncentrata](../../../../../translated_images/sl/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Dva omejevalna okvirja, ki se prekrivata pločevinko paradižnikovega koncentrata](../../../../../translated_images/sl/overlap-object-detection.d431e03cae75072a.webp) V zgornjem primeru en omejevalni okvir označuje napovedano pločevinko paradižnikovega koncentrata z verjetnostjo 78.3%. Drugi omejevalni okvir je nekoliko manjši in je znotraj prvega omejevalnega okvirja z verjetnostjo 64.3%. Vaša koda lahko preveri omejevalne okvirje, vidi, da se popolnoma prekrivajo, in ignorira nižjo verjetnost, saj ni mogoče, da bi bila ena pločevinka znotraj druge. diff --git a/translations/sl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/sl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index c2a701eff..1d4f7c72e 100644 --- a/translations/sl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/sl/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Koda, ki ste jo uporabili za razvrščanje slik, je zelo podobna kodi za zaznava Videli boste lahko sliko, ki je bila posneta, in te vrednosti v zavihku **Predictions** v Custom Vision. - ![4 pločevinke paradižnikove paste na polici z napovedmi za 4 zaznave: 35,8 %, 33,5 %, 25,7 % in 16,6 %](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 pločevinke paradižnikove paste na polici z napovedmi za 4 zaznave: 35,8 %, 33,5 %, 25,7 % in 16,6 %](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 To kodo lahko najdete v mapi [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) ali [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/sl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/sl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 590d289e5..7b50dd023 100644 --- a/translations/sl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/sl/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Koda, ki ste jo uporabili za razvrščanje slik, je zelo podobna kodi za zaznava Videli boste sliko, ki je bila posneta, in te vrednosti v zavihku **Predictions** v Custom Vision. - ![4 pločevinke paradižnikovega koncentrata na polici z napovedmi za 4 zaznave: 35,8 %, 33,5 %, 25,7 % in 16,6 %](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 pločevinke paradižnikovega koncentrata na polici z napovedmi za 4 zaznave: 35,8 %, 33,5 %, 25,7 % in 16,6 %](../../../../../translated_images/sl/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 To kodo lahko najdete v mapi [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/sl/6-consumer/lessons/1-speech-recognition/README.md b/translations/sl/6-consumer/lessons/1-speech-recognition/README.md index a1958b457..df272e334 100644 --- a/translations/sl/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/sl/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Prepoznajte govor z IoT napravo -![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Pregled lekcije v obliki sketchnote](../../../../../translated_images/sl/lesson-21.e34de51354d6606f.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -51,7 +51,7 @@ Mikrofoni so na voljo v različnih vrstah: Dinamični mikrofoni ne potrebujejo napajanja za delovanje, električni signal se ustvari povsem iz mikrofona. - ![Patti Smith poje v mikrofon Shure SM58 (dinamični kardioidni tip)](../../../../../translated_images/sl/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith poje v mikrofon Shure SM58 (dinamični kardioidni tip)](../../../../../translated_images/sl/dynamic-mic.8babac890a2d80df.webp) * Trakasti - Trakasti mikrofoni so podobni dinamičnim mikrofonom, razen da imajo kovinski trak namesto membrane. Ta trak se premika v magnetnem polju in ustvarja električni tok. Tako kot dinamični mikrofoni trakasti mikrofoni ne potrebujejo napajanja za delovanje. @@ -59,11 +59,11 @@ Mikrofoni so na voljo v različnih vrstah: * Kondenzatorski - Kondenzatorski mikrofoni imajo tanko kovinsko membrano in fiksno kovinsko ploščo. Elektrika se uporablja na obeh, in ko membrana vibrira, se statični naboj med ploščama spreminja, kar ustvarja signal. Kondenzatorski mikrofoni potrebujejo napajanje za delovanje – imenovano *Phantom power*. - ![C451B kondenzatorski mikrofon z majhno membrano znamke AKG Acoustics](../../../../../translated_images/sl/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B kondenzatorski mikrofon z majhno membrano znamke AKG Acoustics](../../../../../translated_images/sl/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Mikrofoni mikroelektromehanskih sistemov, ali MEMS, so mikrofoni na čipu. Imajo tlačno občutljivo membrano, vgravirano na silicijev čip, in delujejo podobno kot kondenzatorski mikrofon. Ti mikrofoni so lahko zelo majhni in integrirani v vezje. - ![MEMS mikrofon na vezju](../../../../../translated_images/sl/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS mikrofon na vezju](../../../../../translated_images/sl/mems-microphone.80574019e1f5e4d9.webp) Na zgornji sliki je čip z oznako **LEFT** MEMS mikrofon, z majhno membrano, široko manj kot milimeter. @@ -159,7 +159,7 @@ Da bi se izognili zapletenosti pri treniranju in uporabi modela za budilno besed ## Pretvorba govora v besedilo -![Logotip storitev govora](../../../../../translated_images/sl/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logotip storitev govora](../../../../../translated_images/sl/azure-speech-logo.a1f08c4befb0159f.webp) Tako kot pri klasifikaciji slik v prejšnjem projektu obstajajo vnaprej pripravljene AI storitve, ki lahko vzamejo govor kot zvočno datoteko in ga pretvorijo v besedilo. Ena takšnih storitev je Speech Service, del Cognitive Services, vnaprej pripravljenih AI storitev, ki jih lahko uporabite v svojih aplikacijah. diff --git a/translations/sl/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/sl/6-consumer/lessons/1-speech-recognition/pi-audio.md index 9deb62cc8..69de3e939 100644 --- a/translations/sl/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/sl/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Gumb lahko povežete na Grove osnovni HAT. #### Naloga - povežite gumb -![Grove gumb](../../../../../translated_images/sl/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Grove gumb](../../../../../translated_images/sl/grove-button.a70cfbb809a85636.webp) 1. Vstavite en konec Grove kabla v vtičnico na modulu gumba. Kabel bo šel noter samo v eni smeri. 1. Ko je Raspberry Pi izklopljen, povežite drugi konec Grove kabla z digitalno vtičnico, označeno z **D5**, na Grove osnovnem HAT-u, ki je pritrjen na Pi. Ta vtičnica je druga z leve strani v vrsti vtičnic poleg GPIO pinov. -![Gumb povezan z vtičnico D5](../../../../../translated_images/sl/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Gumb povezan z vtičnico D5](../../../../../translated_images/sl/pi-button.c7a1a4f55943341c.webp) ## Zajem zvoka diff --git a/translations/sl/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/sl/6-consumer/lessons/1-speech-recognition/pi-microphone.md index a86140ea0..b786b8f4e 100644 --- a/translations/sl/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/sl/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Mikrofon in zvočnike je treba povezati in konfigurirati. 1. Če uporabljate ReSpeaker 2-Mics Pi HAT, lahko odstranite Grove osnovni hat in nato namestite ReSpeaker hat na njegovo mesto. - ![Raspberry Pi z ReSpeaker hat](../../../../../translated_images/sl/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi z ReSpeaker hat](../../../../../translated_images/sl/pi-respeaker-hat.f00fabe7dd039a93.webp) Kasneje v tej lekciji boste potrebovali gumb Grove, vendar je eden že vgrajen v ta hat, zato Grove osnovni hat ni potreben. diff --git a/translations/sl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/sl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 66dd6d975..f62521e63 100644 --- a/translations/sl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/sl/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Vgrajeni mikrofon zajema analogni signal, ki se pretvori v digitalni signal, ki ✅ Preberite več o DMA na [strani o neposrednem dostopu do pomnilnika na Wikipediji](https://wikipedia.org/wiki/Direct_memory_access). -![Zvok iz mikrofona gre v ADC, nato v DMAC. Ta piše v en medpomnilnik. Ko je ta poln, se obdela, DMAC pa piše v drugi medpomnilnik](../../../../../translated_images/sl/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Zvok iz mikrofona gre v ADC, nato v DMAC. Ta piše v en medpomnilnik. Ko je ta poln, se obdela, DMAC pa piše v drugi medpomnilnik](../../../../../translated_images/sl/dmac-adc-buffers.4509aee49145c90b.webp) DMAC lahko zajame zvok iz ADC-ja v fiksnih intervalih, na primer 16.000-krat na sekundo za zvok pri 16 kHz. Zajete podatke lahko zapiše v vnaprej dodeljen pomnilniški medpomnilnik, in ko je ta poln, jih vaša koda lahko obdela. Uporaba tega pomnilnika lahko povzroči zamudo pri zajemu zvoka, vendar lahko nastavite več medpomnilnikov. DMAC piše v medpomnilnik 1, nato pa, ko je ta poln, obvesti vašo kodo, da obdela medpomnilnik 1, medtem ko DMAC piše v medpomnilnik 2. Ko je medpomnilnik 2 poln, obvesti vašo kodo in se vrne k pisanju v medpomnilnik 1. Na ta način, dokler obdelate vsak medpomnilnik v krajšem času, kot je potreben za polnjenje enega, ne boste izgubili nobenih podatkov. diff --git a/translations/sl/6-consumer/lessons/2-language-understanding/README.md b/translations/sl/6-consumer/lessons/2-language-understanding/README.md index a0623a137..dddf4cafa 100644 --- a/translations/sl/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/sl/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ Razumeti jezik -![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Skica pregleda te lekcije](../../../../../translated_images/sl/lesson-22.6148ea28500d9e00.webp) > Skica avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. @@ -46,7 +46,7 @@ Modeli za razumevanje jezika so AI modeli, ki so trenirani za izluščitev dolo ## Ustvarjanje modela za razumevanje jezika -![Logotip LUIS](../../../../../translated_images/sl/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Logotip LUIS](../../../../../translated_images/sl/luis-logo.5cb4f3e88c020ee6.webp) Modele za razumevanje jezika lahko ustvarite z LUIS, Microsoftovo storitvijo za razumevanje jezika, ki je del Cognitive Services. @@ -169,7 +169,7 @@ Navodila za uporabo portala LUIS najdete v [Quickstart: Build your app in LUIS p 1. Ko vnesete vsak primer, bo LUIS začel zaznavati entitete in podčrtal ter označil vse, ki jih najde. - ![Primeri z označenimi številkami in časovnimi enotami](../../../../../translated_images/sl/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Primeri z označenimi številkami in časovnimi enotami](../../../../../translated_images/sl/luis-intent-examples.25716580b2d2723c.webp) ### Naloga - treniranje in testiranje modela diff --git a/translations/sl/6-consumer/lessons/3-spoken-feedback/README.md b/translations/sl/6-consumer/lessons/3-spoken-feedback/README.md index 34f891483..5c761ebbe 100644 --- a/translations/sl/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/sl/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Nastavite časovnik in podajte zvočne povratne informacije -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-23.f38483e1d4df4828.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. diff --git a/translations/sl/6-consumer/lessons/4-multiple-language-support/README.md b/translations/sl/6-consumer/lessons/4-multiple-language-support/README.md index 6471a7b13..7b85b4d71 100644 --- a/translations/sl/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/sl/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Podpora več jezikov -![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Sketchnote pregled te lekcije](../../../../../translated_images/sl/lesson-24.4246968ed058510a.webp) > Sketchnote avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite na sliko za večjo različico. @@ -74,7 +74,7 @@ Obstaja več AI storitev, ki jih lahko uporabite v svojih aplikacijah za prevaja ### Cognitive services Speech service -![Logotip storitve za govor](../../../../../translated_images/sl/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logotip storitve za govor](../../../../../translated_images/sl/azure-speech-logo.a1f08c4befb0159f.webp) Storitev za govor, ki ste jo uporabljali v prejšnjih lekcijah, ima prevajalske zmogljivosti za prepoznavanje govora. Ko prepoznate govor, lahko zahtevate ne le besedilo govora v istem jeziku, ampak tudi v drugih jezikih. @@ -82,7 +82,7 @@ Storitev za govor, ki ste jo uporabljali v prejšnjih lekcijah, ima prevajalske ### Cognitive services Translator service -![Logotip prevajalske storitve](../../../../../translated_images/sl/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Logotip prevajalske storitve](../../../../../translated_images/sl/azure-translator-logo.c6ed3a4a433edfd2.webp) Prevajalska storitev je namenski prevajalski servis, ki lahko prevede besedilo iz enega jezika v enega ali več ciljnih jezikov. Poleg prevajanja podpira širok nabor dodatnih funkcij, vključno z maskiranjem neprimernih besed. Prav tako vam omogoča, da zagotovite specifičen prevod za določeno besedo ali stavek, da delate s pojmi, ki jih ne želite prevesti, ali imate specifičen, dobro znan prevod. diff --git a/translations/sl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/sl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 6196aad01..ff11d92f2 100644 --- a/translations/sl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/sl/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API storitve za govor ne podpira neposrednih prevodov, namesto tega lahko u > > Na primer, če trenirate LUIS v angleščini, vendar želite uporabiti francoščino kot uporabniški jezik, lahko prevedete stavke, kot je "nastavi 2 minuti in 27 sekundni časovnik", iz angleščine v francoščino z Bing Translate, nato pa uporabite gumb **Poslušaj prevod**, da izgovorite prevod v mikrofon. > - > ![Gumb poslušaj prevod na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb poslušaj prevod na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a9.webp) 1. Dodajte ključ API storitve Translator pod `speech_api_key`: diff --git a/translations/sl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/sl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 73c6cf02d..94771e272 100644 --- a/translations/sl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/sl/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Storitve za govor lahko sprejmejo govor in ga ne le pretvorijo v besedilo v iste > > Na primer, če trenirate LUIS v angleščini, vendar želite uporabiti francoščino kot uporabniški jezik, lahko prevedete stavke, kot je "nastavi 2 minuti in 27 sekundni časovnik", iz angleščine v francoščino z uporabo Bing Translate, nato pa uporabite gumb **Listen translation**, da govorite prevod v mikrofon. > - > ![Gumb za poslušanje prevoda na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb za poslušanje prevoda na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a9.webp) 1. Zamenjajte deklaracije `recognizer_config` in `recognizer` z naslednjimi: diff --git a/translations/sl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/sl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index 09982f6cc..0edd9e5fc 100644 --- a/translations/sl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/sl/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API storitve za govor ne podpira neposrednih prevodov, namesto tega lahko u > > Na primer, če trenirate LUIS v angleščini, vendar želite uporabiti francoščino kot uporabniški jezik, lahko prevedete stavke, kot je "set a 2 minute and 27 second timer", iz angleščine v francoščino z Bing Translate, nato pa uporabite gumb **Listen translation**, da izgovorite prevod v mikrofon. > - > ![Gumb za poslušanje prevoda na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Gumb za poslušanje prevoda na Bing Translate](../../../../../translated_images/sl/bing-translate.348aa796d6efe2a9.webp) 1. Dodajte ključ API storitve Translator in lokacijo pod `SPEECH_LOCATION`: diff --git a/translations/sl/README.md b/translations/sl/README.md index 78aacb89c..e092ae475 100644 --- a/translations/sl/README.md +++ b/translations/sl/README.md @@ -10,65 +10,74 @@ ### Pridružite se skupnosti Azure AI Foundry -Če zataknete ali imate kakršna koli vprašanja o gradnji AI aplikacij. Pridružite se sošolcem in izkušenim razvijalcem v razpravah o MCP. To je podporna skupnost, kjer so vprašanja dobrodošla in kjer se znanje prosto deli. +Če se zataknete ali imate kakršnakoli vprašanja glede gradnje AI aplikacij. Pridružite se sošolcem in izkušenim razvijalcem v razpravah o MCP. To je podpirajoča skupnost, kjer so vprašanja dobrodošla in znanje se prosto deli. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Če imate povratne informacije o izdelku ali napake med gradnjo, obiščite: +Če imate povratne informacije o izdelku ali napake med gradnjo obiščite: [![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) -Za začetek sledite tem korakom za uporabo teh virov: -1. **Razvejite repozitorij**: 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) +Sledite tem korakom, da začnete uporabljati te vire: +1. **Razvezi repozitorij**: 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. **Klonirajte repozitorij**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Pridružite se Microsoft Foundry Discord in spoznajte strokovnjake in sodelavce razvijalce**](https://discord.com/invite/ByRwuEEgH4) +3. [**Pridružite se Discord strežniku Microsoft Foundry in spoznajte strokovnjake in druge razvijalce**](https://discord.com/invite/ByRwuEEgH4) +### 🌐 Podpora več jezikov -### 🌐 Podpora za več jezikov - -#### Podprto prek GitHub Action (avtomatsko in vedno posodobljeno) +#### Podprto prek GitHub Action (avtomatizirano in vedno ažurno) -[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](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](./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](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](./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) > **Raje klonirate lokalno?** - -> Ta repozitorij vključuje prevode v več kot 50 jezikih, kar znatno poveča velikost prenosa. Če želite klonirati brez prevodov, uporabite sparse checkout: +> +> Ta repozitorij vključuje več kot 50 jezikovnih prevodov, kar bistveno poveča velikost prenosa. Za kloniranje brez prevodov uporabite 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' > ``` -> Tako dobite vse, kar potrebujete za dokončanje tečaja z veliko hitrejšim prenosom. +> +> **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" +> ``` +> +> Tako boste dobili vse, kar potrebujete za dokončanje tečaja s precej hitrejšim prenosom. -# IoT za začetnike - učni program +# IoT za začetnike - Kurikulum -Zagovorniki Azure Clouda pri Microsoftu z veseljem ponujajo 12-tedenski učni program s 24 lekcijami, ki pokrivajo osnove IoT. Vsaka lekcija vključuje kvize pred in po lekciji, pisna navodila za dokončanje lekcije, rešitev, nalogo in več. Naša pedagogika temelji na projektih, kar omogoča učenje med izdelavo, kar je preizkušen način, da nove veščine 'pridejo do izraza'. +Azure Cloud zagovorniki pri Microsoftu so z veseljem pripravili 12-tedenski program s 24 lekcijami o osnovah IoT. Vsaka lekcija vključuje vnaprejšnje in zaključne kvize, pisna navodila za dokončanje lekcije, rešitev, nalogo in več. Naša metodologija, ki temelji na projektih, vam omogoča učenje s praktičnim delom, kar je preverjen način, da se nove veščine utrdijo. -Projekti zajemajo pot hrane od kmetije do mize. To vključuje kmetijstvo, logistiko, proizvodnjo, maloprodajo in potrošnike - vse priljubljena industrijska področja za IoT naprave. +Projekti zajemajo pot hrane od kmetije do mize. Vključujejo kmetovanje, logistiko, proizvodnjo, trgovino in potrošnika – vse priljubljena industrijska področja za IoT naprave. -![Zemljevid tečaja, ki prikazuje 24 lekcij, ki pokrivajo uvod, kmetijstvo, prevoz, predelavo, maloprodajo in kuhanje](../../translated_images/sl/Roadmap.bb1dec285dda0eda.webp) +![Zemljevid poteka tečaja, ki zajema 24 lekcij o uvodu, kmetovanju, prevozu, predelavi, maloprodaji in kuhanju](../../translated_images/sl/Roadmap.bb1dec285dda0eda.webp) -> Risba s strani [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. +> Skica avtorja [Nitya Narasimhan](https://github.com/nitya). Kliknite sliko za večjo različico. -**Iskrena hvala našim avtorjem [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) in naši ilustratorki [Nitya Narasimhan](https://github.com/nitya).** +**Iskrena hvala našim avtorjem [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) in našemu ilustratorju [Nitya Narasimhan](https://github.com/nitya).** -**Hvala tudi naši ekipi [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), ki je pregledovala in prevajala ta učni 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) in [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Hvala tudi naši ekipi [Microsoft Learn Študentskih ambasadorjev](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), ki so pregledovali in prevajali ta kurikulum – [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) in [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Spoznajte ekipo! [![Promo video](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -**Gif avtorja** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif avtor** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Kliknite zgornjo sliko za video o projektu! -> **Učitelji**, vključili smo [nekaj predlogov](for-teachers.md), kako uporabiti ta učni program. Če želite ustvariti lastne lekcije, smo vključili tudi [predlogo lekcije](lesson-template/README.md). +> **Učitelji**, vključili smo nekaj predlogov [kako uporabljati ta kurikulum](for-teachers.md). Če želite ustvariti svoje lekcije, smo vključili tudi [predlogo lekcije](lesson-template/README.md). -> **[Študentje](https://aka.ms/student-page)**, za samostojno uporabo tega učnega programa razvejite celoten repozitorij in samostojno opravite vaje, začnite s kvizom pred predavanjem, nato preberite predavanje in dokončajte ostale dejavnosti. Poskusite ustvariti projekte s razumevanjem lekcij in ne le kopiranjem kode rešitve; ta koda je sicer na voljo v mapah /solutions v vsaki lekciji, osredotočeni na projekt. Druga ideja je, da oblikujete študijsko skupino s prijatelji in skupaj pregledujete vsebino. Za dodatno učenje priporočamo [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **[Študenti](https://aka.ms/student-page)**, za samostojno uporabo tega kurikuluma razvejite celoten repozitorij in dokončajte vaje samostojno, začne se z vnaprejšnjim kvizom, sledi predavanje in dokončanje ostalih aktivnosti. Poskusite ustvariti projekte z razumevanjem lekcij, ne da bi kopirali rešitev; vendar je koda rešitev na voljo v mapah /solutions v vsaki lekciji, usmerjeni na projekt. Druga ideja je, da oblikujete študijsko skupino s prijatelji in skupaj pregledujete vsebino. Za nadaljnje učenje priporočamo [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -Za video povzetek tega tečaja si oglejte ta video: +Za video pregled tega tečaja si oglejte ta video: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") @@ -76,76 +85,76 @@ Za video povzetek tega tečaja si oglejte ta video: ## Pedagogika -Pri gradnji tega učnega programa smo izbrali dva pedagoška načela: zagotavljanje, da je projektno usmerjen in da vključuje pogoste kvize. Do konca te serije bodo študenti zgradili sistem za spremljanje in zalivanje rastlin, sledilec vozil, pameten tovarniški sistem za sledenje in pregled hrane ter časovnik za kuhanje, ki ga nadzorujemo z glasom, in se naučili osnov interneta stvari, vključno s pisanjem kode za naprave, povezovanjem s oblaki, analizo telemetrije in izvajanjem AI na robu. +Pri gradnji tega kurikuluma smo izbrali dve pedagoški načeli: zagotoviti, da je osredotočen na projekte in da vključuje pogoste kvize. Ob koncu te serije bodo študenti zgradili sistem za spremljanje in zalivanje rastlin, sledilnik vozil, pametno tovarno za spremljanje in preverjanje hrane ter časovnik za kuhanje, ki ga upravljamo z glasom, ter se naučili osnov interneta stvari, vključno s pisanjem kode za naprave, povezavo z oblakom, analizo telemetrije in uporabo umetne inteligence na robu omrežja. -Z zagotavljanjem povezave vsebine s projekti je proces za študente bolj zanimiv in ohranitev konceptov bo večja. +S tem, ko zagotovimo usklajenost vsebine s projekti, proces naredimo bolj zanimiv za študente in povečamo zadrževanje pojmov. -Poleg tega kviz z nizko stopnjo tveganja pred poukom usmeri študenta k učenju teme, medtem ko drugi kviz po pouku zagotovi nadaljnjo ohranitev. Ta učni program je zasnovan kot prilagodljiv in zabaven ter ga je mogoče opraviti v celoti ali delno. Projekti se začnejo majhni in postopoma postajajo bolj zapleteni do konca 12-tedenskega cikla. +Poleg tega nizko-pritisni kviz pred predavanjem usmeri študenta k učenju teme, medtem ko drugi kviz po predavanju zagotovi nadaljnje utrjevanje. Ta kurikulum je zasnovan, da je prilagodljiv in zabaven, ter ga lahko vzamete v celoti ali delno. Projekti se začnejo majhni in ob koncu 12-tedenskega cikla postanejo vedno kompleksnejši. -Vsak projekt temelji na dejanski strojni opremi, ki je na voljo študentom in hobistom. Vsak projekt raziskuje specifično področje projekta in nudi relevantno ozadje. Da bi bili uspešni razvijalci, je koristno razumeti področje, na katerem rešujete težave; zagotovitev tega ozadja omogoča študentom razmišljanje o svojih IoT rešitvah in učenju v kontekstu vrste resničnih težav, ki jih bodo morda morali rešiti kot IoT razvijalci. Študenti se naučijo 'zakaj' rešitev, ki jih gradijo, in pridobijo cenjenje končnega uporabnika. +Vsak projekt temelji na resničnih napravah, ki so na voljo študentom in hobistom. Vsak projekt se poglobi v specifično področje projekta in nudi ustrezno osnovno znanje. Za uspešnega razvijalca je koristno razumeti področje, na katerem rešujete probleme; zagotavljanje tega osnovnega znanja omogoča študentom, da razmišljajo o svojih IoT rešitvah in učenju v kontekstu vrste resničnega problema, ki bi ga lahko morali rešiti kot IoT razvijalci. Študenti se naučijo 'zakaj' rešitev, ki jih gradijo, in pridobijo spoštovanje do končnega uporabnika. ## Strojna oprema +Imamo dve možnosti IoT strojne opreme za uporabo pri projektih, odvisno od osebnih preferenc, znanja programskih jezikov, učnih ciljev in razpoložljivosti. Prav tako smo pripravili različico 'virtualne strojne opreme' za tiste, ki nimajo dostopa do strojne opreme ali želijo izvedeti več, preden se odločijo za nakup. Več informacij in 'nakupni seznam' lahko preberete na [strani s strojno opremo](./hardware.md), vključno s povezavami za nakup kompletov od naših prijateljev iz Seeed Studio. -Za projekte imamo dve izbiri IoT strojne opreme glede na osebne preference, znanje programskega jezika ali cilje učenja in razpoložljivost. Prav tako smo zagotovili različico 'virtualne strojne opreme' za tiste, ki nimajo dostopa do strojne opreme ali želijo izvedeti več pred nakupom. Več lahko preberete in najdete 'nakupovalni seznam' na [strani strojne opreme](./hardware.md), vključno s povezavami za nakup celotnih kompletov pri naših prijateljih iz Seeed Studio. -> 💁 Najdite naše smernice [Kodeksa ravnanja](CODE_OF_CONDUCT.md), [Prispevkov](CONTRIBUTING.md) in [Prevajanja](TRANSLATIONS.md). Veselimo se vaših konstruktivnih povratnih informacij! +> 💁 Najdite naše [Kodeks ravnanja](CODE_OF_CONDUCT.md), [Prispevanje](CONTRIBUTING.md) in [Smernice za prevajanje](TRANSLATIONS.md). Veselimo se vaših konstruktivnih povratnih informacij! > -> 🔧 Imate težave? Oglejte si naš [Vodnik za odpravljanje težav](TROUBLESHOOTING.md) za rešitve pogostih problemov. +> 🔧 Imate težave? Preglejte naš [Vodnik za odpravljanje tehničnih težav](TROUBLESHOOTING.md) za rešitve pogostih težav. ## Vsaka lekcija vključuje: -- sketchnote -- dodatni neobvezni video -- predpripravljalni kviz pred lekcijo +- sketchnoto +- izbirni dodatni video +- predvajenje ogrevalnega kviza pred lekcijo - pisno lekcijo -- za lekcije, ki temeljijo na projektih, vodnike korak za korakom, kako zgraditi projekt -- preverjanje znanja +- pri projektno osnovanih lekcijah korak-po-korak vodiče za izdelavo projekta +- preglede znanja - izziv - dodatno branje -- nalogo +- domačo nalogo - [kviz po lekciji](https://ff-quizzes.netlify.app/en/) -> **Opomba o kvizih**: Vsi kvizi so vsebovani v mapi quiz-app, skupaj 48 kvizov s tremi vprašanji vsak. Povezani so znotraj lekcij, vendar lahko kvizno aplikacijo zaženete lokalno ali namestite na Azure; sledite navodilom v mapi `quiz-app`. Postopoma jih lokaliziramo. +> **Opomba o kvizih**: Vsi kvizi so shranjeni v mapi quiz-app, skupaj 48 kvizov, vsak s tremi vprašanji. Povezani so znotraj lekcij, vendar aplikacijo za kvize lahko zaženete lokalno ali jo namestite na Azure; sledite navodilom v mapi `quiz-app`. Postopoma jih prevajamo. ## Lekcije -| | Ime projekta | Poučeni koncepti | Cilji učenja | Povezana lekcija | -| :---: | :------------------------------------: | :-----------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Začetek](./1-getting-started/README.md) | Uvod v IoT | Spoznajte osnovna načela IoT in osnovne gradnike IoT rešitev, kot so senzorji in oblačne storitve, medtem ko postavljate svojo prvo IoT napravo | [Uvod v IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Začetek](./1-getting-started/README.md) | Globlji pogled v IoT | Spoznajte več o komponentah IoT sistema, kot tudi o mikrokrmilnikih in enoploščnih računalnikih | [Globlji pogled v IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Začetek](./1-getting-started/README.md) | Interakcija s fizičnim svetom s senzorji in aktuatorji | Spoznajte senzorje za zbiranje podatkov iz fizičnega sveta in aktuatorje za oddajanje povratnih informacij, medtem ko gradite nočno lučko | [Interakcija s fizičnim svetom s senzorji in aktuatorji](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Začetek](./1-getting-started/README.md) | Povežite svojo napravo z internetom | Naučite se, kako povezati IoT napravo z internetom za pošiljanje in sprejemanje sporočil z uporabo MQTT brokerja, povezave vaše nočne lučke | [Povežite svojo napravo z internetom](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Kmetija](./2-farm/README.md) | Napoved rasti rastlin | Naučite se napovedovati rast rastlin z uporabo temperaturnih podatkov, zajetih z IoT napravo | [Napoved rasti rastlin](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Kmetija](./2-farm/README.md) | zaznavanje vlage tal | Naučite se zaznati vlago tal in kalibrirati senzor za vlago tal | [Zaznavanje vlage tal](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Kmetija](./2-farm/README.md) | Avtomatizirano zalivanje rastlin | Naučite se avtomatizirati in časovno uskladiti zalivanje z uporabo releja in MQTT | [Avtomatizirano zalivanje rastlin](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Kmetija](./2-farm/README.md) | Migrirajte svojo rastlino v oblak | Spoznajte oblak in IoT storitve, gostovane v oblaku, ter kako povezati svojo rastlino z eno od teh namesto javnega MQTT brokerja | [Migrirajte svojo rastlino v oblak](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Kmetija](./2-farm/README.md) | Migrirajte poslovno logiko v oblak | Naučite se, kako lahko v oblaku pišete aplikacijsko logiko, ki odgovarja na IoT sporočila | [Migrirajte poslovno logiko v oblak](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Kmetija](./2-farm/README.md) | Varnost vaše rastline | Spoznajte varnost v IoT in kako varovati svojo rastlino s ključi in certifikati | [Varujte svojo rastlino](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Transport](./3-transport/README.md) | Sledenje lokaciji | Spoznajte GPS sledenje lokacije za IoT naprave | [Sledenje lokaciji](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Transport](./3-transport/README.md) | Shranjevanje podatkov o lokaciji | Naučite se shranjevati IoT podatke za kasnejšo vizualizacijo ali analizo | [Shranjevanje podatkov o lokaciji](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Transport](./3-transport/README.md) | Vizualizacija podatkov o lokaciji | Spoznajte, kako vizualizirati podatke o lokaciji na zemljevidu in kako zemljevidi predstavljajo resnični 3D svet v 2 dimenzijah | [Vizualizacija podatkov o lokaciji](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Transport](./3-transport/README.md) | Geografske meje | Spoznajte geografske meje (geofences) in kako jih uporabljati za opozarjanje, ko so vozila v dobavni verigi blizu svojih ciljev | [Geografske meje](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Proizvodnja](./4-manufacturing/README.md) | Izurite detektor kakovosti sadja | Spoznajte, kako izuriti razvrščevalnik slik v oblaku za zaznavanje kakovosti sadja | [Izurite detektor kakovosti sadja](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Proizvodnja](./4-manufacturing/README.md) | Preverjanje kakovosti sadja z IoT napravo | Spoznajte uporabo detektorja kakovosti sadja z IoT napravo | [Preverjanje kakovosti sadja z IoT napravo](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Proizvodnja](./4-manufacturing/README.md) | Zaženite detektor sadja na robu | Spoznajte, kako zagnati detektor sadja na IoT napravi na robu | [Zaženite detektor sadja na robu](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Proizvodnja](./4-manufacturing/README.md) | Sprožite zaznavanje kakovosti sadja s senzorjem | Spoznajte, kako sprožiti zaznavanje kakovosti sadja s senzorjem | [Sprožite zaznavanje kakovosti sadja s senzorjem](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Trgovina](./5-retail/README.md) | Izurite detektor zaloge | Naučite se uporabljati zaznavanje predmetov za izuritev detektorja zaloge za štetje zaloge v trgovini | [Izurite detektor zaloge](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Trgovina](./5-retail/README.md) | Preverite zalogo z IoT napravo | Naučite se preverjati zalogo z IoT napravo z uporabo modela zaznavanja predmetov | [Preverite zalogo z IoT napravo](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Potrošnik](./6-consumer/README.md) | Prepoznajte govor z IoT napravo | Naučite se prepoznati govor z IoT napravo, da zgradite pametni števec časa | [Prepoznajte govor z IoT napravo](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Potrošnik](./6-consumer/README.md) | Razumevanje jezika | Naučite se razumeti stavke, izgovorjene IoT napravi | [Razumevanje jezika](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Potrošnik](./6-consumer/README.md) | Nastavite časovnik in zagotovite zvočne povratne informacije | Naučite se nastaviti števec časa na IoT napravi in podati zvočne povratne informacije o nastavitvi in zaključku časovnika | [Nastavite časovnik in podajte zvočne povratne informacije](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Potrošnik](./6-consumer/README.md) | Podpora za več jezikov | Naučite se podpirati več jezikov, tako v govorjeni obliki kot v odgovorih vašega pametnega števca | [Podpora za več jezikov](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Dostop brez povezave - -To dokumentacijo lahko uporabljate brez povezave z uporabo [Docsify](https://docsify.js.org/#/). Razvejajte ta repozitorij, [namestite Docsify](https://docsify.js.org/#/quickstart) na vaš lokalni računalnik in nato v korenski mapi tega repozitorija vtipkajte `docsify serve`. Spletna stran bo na voljo na vratih 3000 na vašem lokalnem naslovu: `localhost:3000`. +| | Ime projekta | Poučevane vsebine | Cilji učenja | Povezana lekcija | +| :---: | :------------------------------------: | :-------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | :----------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Začetek](./1-getting-started/README.md) | Uvod v IoT | Spoznajte osnovna načela interneta stvari in osnovne gradnike IoT rešitev, kot so senzorji in oblačne storitve, medtem ko nastavljate svojo prvo IoT napravo | [Uvod v IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Začetek](./1-getting-started/README.md) | Globlji vpogled v IoT | Naučite se več o sestavnih delih IoT sistema ter o mikrokontrolerjih in enotnih računalnikih | [Globlji vpogled v IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Začetek](./1-getting-started/README.md) | Interakcija s fizičnim svetom z senzorji in aktuatorji | Spoznajte senzorje za zbiranje podatkov iz fizičnega sveta in aktuatorje za pošiljanje povratnih informacij, medtem ko izdelujete nočno svetilko | [Interakcija s fizičnim svetom s senzorji in aktuatorji](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Začetek](./1-getting-started/README.md) | Povežite svojo napravo z internetom | Naučite se, kako povezati IoT napravo z internetom za pošiljanje in prejemanje sporočil z uporabo vašega MQTT strežnika za nočno svetilko | [Povežite svojo napravo z internetom](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Kmetija](./2-farm/README.md) | Napovedovanje rasti rastlin | Naučite se napovedovati rast rastlin z uporabo temperaturnih podatkov, zajetih z IoT napravo | [Napovedovanje rasti rastlin](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Kmetija](./2-farm/README.md) | Spremljanje vlage v tleh | Naučite se zaznavati vlago v tleh in kalibrirati senzor za vlago v tleh | [Spremljanje vlage v tleh](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Kmetija](./2-farm/README.md) | Avtomatizirano zalivanje rastlin | Naučite se avtomatizirati in časovno načrtovati zalivanje z uporabo releja in MQTT | [Avtomatizirano zalivanje rastlin](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Kmetija](./2-farm/README.md) | Prenos rastline v oblak | Spoznajte oblak in IoT storitve gostovane v oblaku ter kako svojo rastlino povezati z eno od teh namesto z javnim MQTT brokerjem | [Prenos rastline v oblak](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Kmetija](./2-farm/README.md) | Prenos aplikacijske logike v oblak | Naučite se, kako zapisati aplikacijsko logiko v oblaku, ki se odziva na IoT sporočila | [Prenos aplikacijske logike v oblak](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Kmetija](./2-farm/README.md) | Zagotovite varnost svoje rastline | Spoznajte varnost IoT in kako zaščititi svojo rastlino s ključi in certifikati | [Zagotovite varnost svoje rastline](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Transport](./3-transport/README.md) | Sledenje lokaciji | Spoznajte GPS sledenje lokacije IoT naprav | [Sledenje lokaciji](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Transport](./3-transport/README.md) | Shranjevanje podatkov o lokaciji | Naučite se shranjevati IoT podatke za kasnejšo vizualizacijo ali analizo | [Shranjevanje podatkov o lokaciji](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Transport](./3-transport/README.md) | Vizualizacija podatkov o lokaciji | Spoznajte vizualizacijo podatkov o lokaciji na zemljevidu in kako zemljevidi upodabljajo resnični 3D svet v 2D | [Vizualizacija podatkov o lokaciji](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Transport](./3-transport/README.md) | Geografske ograje | Spoznajte geografske ograje in kako jih uporabiti za opozarjanje, ko so vozila v dobavni verigi blizu cilja | [Geografske ograje](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Proizvodnja](./4-manufacturing/README.md) | Učenje detektorja kakovosti sadja | Spoznajte učenje klasifikatorja slik v oblaku za zaznavo kakovosti sadja | [Učenje detektorja kakovosti sadja](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Proizvodnja](./4-manufacturing/README.md) | Preverjanje kakovosti sadja z IoT napravo | Naučite se uporabljati detektor kakovosti sadja preko IoT naprave | [Preverjanje kakovosti sadja z IoT napravo](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Proizvodnja](./4-manufacturing/README.md) | Zaženite detektor sadja na obrobju | Spoznajte izvajanje detektorja sadja na IoT napravi na obrobju | [Zaženite detektor sadja na obrobju](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Proizvodnja](./4-manufacturing/README.md) | Sprožite zaznavo kakovosti sadja s senzorjem | Naučite se sprožiti zaznavo kakovosti sadja s pomočjo senzorja | [Sprožite zaznavo kakovosti sadja s senzorjem](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Trgovina](./5-retail/README.md) | Učenje detektorja zaloge | Naučite se uporabiti zaznavo predmetov za učenje detektorja zaloge za štetje zaloge v trgovini | [Učenje detektorja zaloge](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Trgovina](./5-retail/README.md) | Preverjanje zaloge IoT naprave | Naučite se preverjati zalogo s pomočjo IoT naprave z uporabo modela zaznave predmetov | [Preverjanje zaloge IoT naprave](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Potrošnik](./6-consumer/README.md) | Prepoznavanje govora z IoT napravo | Naučite se prepoznavati govor prek IoT naprave in izdelajte pametni časovnik | [Prepoznavanje govora z IoT napravo](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Potrošnik](./6-consumer/README.md) | Razumevanje jezika | Naučite se razumeti povedi, ki jih govori IoT naprava | [Razumevanje jezika](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Potrošnik](./6-consumer/README.md) | Nastavite časovnik in zagotovite govorno povratno informacijo | Naučite se nastaviti časovnik na IoT napravi in zagotoviti govorno povratno informacijo o nastavitvi in koncu časovnika | [Nastavite časovnik in zagotovite govorno povratno informacijo](./6-consumer/lessons/3-spoken-feedback/README.md)| +| 24 | [Potrošnik](./6-consumer/README.md) | Podpora za več jezikov | Naučite se podpirati več jezikov, tako pri govoru, kot pri odzivih vašega pametnega časovnika | [Podpora za več jezikov](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Offline dostop + +To dokumentacijo lahko zaženete brez povezave s pomočjo [Docsify](https://docsify.js.org/#/). Razvejajte ta repozitorij, [namestite Docsify](https://docsify.js.org/#/quickstart) na vaš lokalni računalnik, nato pa v korenski mapi repozitorija vtipkajte `docsify serve`. Spletna stran bo na voljo na vratih 3000 na localhostu: `localhost:3000`. ## Kviz -Hvala skupnosti, ker gosti interaktivni kviz, ki preverja vaše znanje o vsakem poglavju. Svoje znanje lahko preizkusite [tukaj](https://ff-quizzes.netlify.app/en/) +Zahvaljujemo se skupnosti za gostovanje interaktivnega kviza, ki preverja vaše znanje o vsaki izmed poglavij. Znanje lahko testirate [tukaj](https://ff-quizzes.netlify.app/en/) ### PDF -Če je potrebno, lahko ustvarite PDF tega gradiva za dostop brez povezave. Za to morate imeti [npm nameščen](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) in zagnati naslednje ukaze v korenski mapi tega repozitorija: +Če je potrebno, lahko ustvarite PDF te vsebine za offline dostop. Za to poskrbite, da imate [npm nameščen](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) in zaženite naslednje ukaze v korenski mapi tega repozitorija: ```sh npm i @@ -156,57 +165,58 @@ npm run convert Za nekatere lekcije so na voljo predstavitve v mapi [slides](../../slides). -## Drugi kurikulumi -Naša ekipa izdeluje tudi druge kurikulume! Oglejte si: +## Drugi učni načrti + +Naša ekipa izdaja tudi druge učne načrte! Oglejte si: ### LangChain -[![LangChain4j za začetnike](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 za začetnike](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 / Agenti -[![AZD za začetnike](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 za začetnike](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 za začetnike](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 agenti za začetnike](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) --- -### Serija generativne umetne inteligence -[![Generativna umetna inteligenca za začetnike](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) -[![Generativna umetna inteligenca (.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) -[![Generativna umetna inteligenca (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) -[![Generativna umetna inteligenca (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) +### Serija Generativne AI +[![Generativna AI za začetnike](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) +[![Generativna 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) +[![Generativna 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) +[![Generativna 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) --- ### Osnovno učenje [![Strojno učenje za začetnike](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) [![Podatkovna znanost za začetnike](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) -[![Umetna inteligenca za začetnike](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) +[![AI za začetnike](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) [![Kibernetska varnost za začetnike](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) [![Spletni razvoj za začetnike](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 za začetnike](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) -[![Razvoj XR za začetnike](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 razvoj za začetnike](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) --- ### Serija Copilot -[![Copilot za programiranje v paru z 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 za AI programiranje v paru](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 za 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 avantura](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) -## Pripisi za slike +## Priznanja za slike -Vse pripise za uporabljene slike v tem učnem načrtu, kjer so potrebni, lahko najdete v [Pripisi](./attributions.md). +Vse navedbe za slike, uporabljene v tem učnem načrtu, kjer je potrebno, lahko najdete v [Priznanja](./attributions.md). --- **Omejitev odgovornosti**: -Ta dokument je bil preveden z uporabo AI prevajalske storitve [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku velja za avtoritativni vir. Za ključne informacije priporočamo strokoven človeški prevod. Ne odgovarjamo za morebitna nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda. +Ta dokument je bil preveden z uporabo AI prevajalske storitve [Co-op Translator](https://github.com/Azure/co-op-translator). Čeprav si prizadevamo za natančnost, upoštevajte, da samodejni prevodi lahko vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvornem jeziku velja za avtoritativni vir. Za kritične informacije je priporočljiv strokovni človeški prevod. Ne odgovarjamo za kakršne koli nesporazume ali napačne razlage, ki izhajajo iz uporabe tega prevoda. \ No newline at end of file diff --git a/translations/sl/hardware.md b/translations/sl/hardware.md index 62da54fef..c6283416b 100644 --- a/translations/sl/hardware.md +++ b/translations/sl/hardware.md @@ -26,7 +26,7 @@ Seeed Studios so prijazno omogočili nakup vse strojne opreme v obliki enostavni **[IoT za začetnike s Seeed in Microsoft - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Komplet strojne opreme Raspberry Pi Terminal](../../translated_images/sl/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Komplet strojne opreme Raspberry Pi Terminal](../../translated_images/sl/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/sr/.co-op-translator.json b/translations/sr/.co-op-translator.json index 20bc66c25..7203484ec 100644 --- a/translations/sr/.co-op-translator.json +++ b/translations/sr/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "sr" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:38:48+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T17:51:46+00:00", "source_file": "README.md", "language_code": "sr" }, diff --git a/translations/sr/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/sr/1-getting-started/lessons/1-introduction-to-iot/README.md index 8ece1f6be..edf739202 100644 --- a/translations/sr/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/sr/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Увод у Интернет ствари (IoT) -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-1.2606670fa61ee904.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. diff --git a/translations/sr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/sr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index ed525f425..ecb02d3ef 100644 --- a/translations/sr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/sr/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Hello World апликација за виртуелни IoT хардвер ће Апликација ће почети са радом и отворити се у вашем веб прегледачу: - ![CounterFit апликација покренута у прегледачу](../../../../../translated_images/sr/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![CounterFit апликација покренута у прегледачу](../../../../../translated_images/sr/counterfit-first-run.433326358b669b31.webp) Биће означена као *Disconnected*, са искљученим LED-ом у горњем десном углу. @@ -224,7 +224,7 @@ Hello World апликација за виртуелни IoT хардвер ће 1. У овом новом терминалу, покрените `app.py` датотеку као и раније. Статус CounterFit-а ће се променити у **Connected** и LED ће се упалити. - ![CounterFit приказује статус као повезан](../../../../../translated_images/sr/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![CounterFit приказује статус као повезан](../../../../../translated_images/sr/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Овај код можете пронаћи у [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) фасцикли. diff --git a/translations/sr/1-getting-started/lessons/2-deeper-dive/README.md b/translations/sr/1-getting-started/lessons/2-deeper-dive/README.md index b0377e8ea..7ed79098e 100644 --- a/translations/sr/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/sr/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Дубље истраживање IoT-а -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-2.324b0580d620c25e.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -38,7 +38,7 @@ Ови уређаји интерагују са физичким светом, било коришћењем сензора за прикупљање података из окружења или контролисањем излаза или актуатора за прављење физичких промена. Типичан пример за ово је паметни термостат - уређај који има сензор температуре, средство за подешавање жељене температуре као што је точкић или екран осетљив на додир, и везу са системом за грејање или хлађење који се може укључити када је детектована температура ван жељеног опсега. Сензор температуре детектује да је соба превише хладна, а актуатор укључује грејање. -![Дијаграм који приказује температуру и точкић као улазе у IoT уређај, и контролу грејача као излаз](../../../../../translated_images/sr/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Дијаграм који приказује температуру и точкић као улазе у IoT уређај, и контролу грејача као излаз](../../../../../translated_images/sr/basic-thermostat.a923217fd1f37e5a.webp) Постоји огроман спектар различитих ствари које могу деловати као IoT уређаји, од наменског хардвера који детектује једну ствар, до уређаја опште намене, па чак и ваш паметни телефон! Паметни телефон може користити сензоре за детектовање света око себе и актуаторе за интеракцију са светом - на пример, користећи GPS сензор за детектовање ваше локације и звучник за давање упутстава за навигацију до одредишта. @@ -54,7 +54,7 @@ У примеру паметног термостата, термостат би се повезао користећи кућни WiFi са cloud сервисом који ради у облаку. Он би слао податке о температури овом cloud сервису, а одатле би се подаци записивали у неку врсту базе података, омогућавајући власнику куће да провери тренутне и прошле температуре користећи апликацију на телефону. Други сервис у облаку би знао коју температуру власник куће жели и слао поруке назад IoT уређају преко cloud сервиса да каже систему за грејање да се укључи или искључи. -![Дијаграм који приказује температуру и точкић као улазе у IoT уређај, IoT уређај са двосмерном комуникацијом са облаком, који заузврат има двосмерну комуникацију са телефоном, и контролу грејача као излаз из IoT уређаја](../../../../../translated_images/sr/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Дијаграм који приказује температуру и точкић као улазе у IoT уређај, IoT уређај са двосмерном комуникацијом са облаком, који заузврат има двосмерну комуникацију са телефоном, и контролу грејача као излаз из IoT уређаја](../../../../../translated_images/sr/mobile-controlled-thermostat.4a994010473d8d6a.webp) Још паметнија верзија могла би користити AI у облаку са подацима из других сензора повезаних са другим IoT уређајима као што су сензори за детектовање присуства који откривају које собе се користе, као и податке као што су временски услови и чак ваш календар, за доношење одлука о томе како паметно подесити температуру. На пример, могла би искључити грејање ако из вашег календара прочита да сте на одмору, или искључити грејање по собама у зависности од тога које собе користите, учећи из података да буде све прецизнија током времена. @@ -94,7 +94,7 @@ CPU-и се ослањају на сат који откуцава милион > 💁 CPU-и извршавају програме користећи [fetch-decode-execute циклус](https://wikipedia.org/wiki/Instruction_cycle). За сваки откуцај сата, CPU ће преузети следећу инструкцију из меморије, декодирати је, а затим је извршити, као што је коришћење аритметичко-логичке јединице (ALU) за сабирање два броја. Нека извршења ће трајати више откуцаја да се заврше, па ће следећи циклус бити извршен на следећем откуцају након што је инструкција завршена. -![Fetch-decode-execute циклус који приказује fetch узимање инструкције из програма смештеног у RAM, затим декодирање и извршавање на CPU-у](../../../../../translated_images/sr/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Fetch-decode-execute циклус који приказује fetch узимање инструкције из програма смештеног у RAM, затим декодирање и извршавање на CPU-у](../../../../../translated_images/sr/fetch-decode-execute.2fd6f150f6280392.webp) Микроконтролери имају много ниже брзине сата од десктоп или лаптоп рачунара, па чак и већине паметних телефона. На пример, Wio Terminal има CPU који ради на 120MHz или 120,000,000 циклуса у секунди. @@ -166,7 +166,7 @@ Arduino плоче се кодирају у C или C++. Коришћење C/C Ваш код за подешавање би се писао у функцији `setup`, као што је повезивање на WiFi и cloud услуге или иницијализација пинова за улаз и излаз. Ваш код за обраду би се налазио у функцији `loop`, као што је читање са сензора и слање вредности у cloud. Обично бисте укључили кашњење у сваком циклусу, на пример, ако желите да се подаци са сензора шаљу сваких 10 секунди, додали бисте кашњење од 10 секунди на крају циклуса како би микроконтролер могао да спава, штедећи енергију, а затим поново покренуо циклус када је потребно 10 секунди касније. -![Arduino скица која прво покреће setup, а затим континуирано покреће loop](../../../../../translated_images/sr/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Arduino скица која прво покреће setup, а затим континуирано покреће loop](../../../../../translated_images/sr/arduino-sketch.79590cb837ff7a7c.webp) ✅ Ова архитектура програма је позната као *петља догађаја* или *петља порука*. Многе апликације користе ово у позадини и то је стандард за већину десктоп апликација које раде на оперативним системима као што су Windows, macOS или Linux. Функција `loop` слуша поруке од компоненти корисничког интерфејса као што су дугмад или уређаји као што је тастатура, и реагује на њих. Можете прочитати више у овом [чланку о петљи догађаја](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/README.md index e8593c343..153140539 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Интеркција са физичким светом помоћу сензора и актуатора -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-3.cc3b7b4cd646de59.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -92,7 +92,7 @@ IoT уређаји су дигитални - не могу радити са а Најједноставнији дигитални сензор је дугме или прекидач. Ово је сензор са два стања, укључено или искључено. -![Дугме прима 5 волти. Када није притиснуто враћа 0 волти, када је притиснуто враћа 5 волти](../../../../../translated_images/sr/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Дугме прима 5 волти. Када није притиснуто враћа 0 волти, када је притиснуто враћа 5 волти](../../../../../translated_images/sr/button.eadb560b77ac45e5.webp) Пинови на IoT уређајима као што су GPIO пинови могу директно мерити овај сигнал као 0 или 1. Ако је напон који се шаље исти као напон који се враћа, вредност која се чита је 1, у супротном је 0. Нема потребе за конверзијом сигнала, он може бити само 1 или 0. @@ -125,7 +125,7 @@ IoT уређаји су дигитални - не могу радити са а Пратите одговарајући водич испод да бисте додали актуатор у ваш IoT уређај, контролисан сензором, како бисте направили IoT ноћно светло. Оно ће прикупљати нивое светлости са сензора светлости и користити актуатор у облику LED диоде да емитује светлост када је детектовани ниво светлости пренизак. -![Дијаграм задатка који приказује читање и проверу нивоа светлости, и контролу LED диоде](../../../../../translated_images/sr/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Дијаграм задатка који приказује читање и проверу нивоа светлости, и контролу LED диоде](../../../../../translated_images/sr/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Рачунар са једном плочом - Raspberry Pi](pi-actuator.md) @@ -138,7 +138,7 @@ IoT уређаји су дигитални - не могу радити са а ### Аналогни актуатори Аналогни актуатори примају аналогни сигнал и претварају га у неку врсту интеракције, где се интеракција мења у зависности од напона који се испор -![Светло пригушено на ниском напону и јаче на вишем напону](../../../../../translated_images/sr/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Светло пригушено на ниском напону и јаче на вишем напону](../../../../../translated_images/sr/dimmable-light.9ceffeb195dec1a8.webp) Као и код сензора, стварни IoT уређај ради на дигиталним сигналима, а не аналогним. То значи да, како би послао аналогни сигнал, IoT уређај мора да има конвертор дигиталног у аналогни сигнал (DAC), било директно на IoT уређају или на конекторској плочи. Ово ће претворити 0 и 1 из IoT уређаја у аналогни напон који актуатор може да користи. @@ -185,7 +185,7 @@ IoT уређаји су дигитални - не могу радити са а Један једноставан дигитални актуатор је LED. Када уређај пошаље дигитални сигнал 1, шаље се висок напон који пали LED. Када се пошаље дигитални сигнал 0, напон пада на 0V и LED се гаси. -![LED је искључен на 0 волти, а укључен на 5V](../../../../../translated_images/sr/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED је искључен на 0 волти, а укључен на 5V](../../../../../translated_images/sr/led.ec6d94f66676a174.webp) ✅ Које друге једноставне актуаторе са два стања можете да замислите? Један пример је соленоид, који је електромагнет који може бити активиран да ради ствари као што је померање браве на вратима за закључавање/откључавање врата. diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 1ec9a86c4..6b063df16 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED долази као модул са избором LED диода, о Повежите LED. -![Grove LED](../../../../../translated_images/sr/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/sr/grove-led.6c853be93f473cf2.webp) 1. Изаберите вашу омиљену LED диоду и уметните њене ножице у две рупе на модулу LED. @@ -40,7 +40,7 @@ Grove LED долази као модул са избором LED диода, о 1. Са искљученим Raspberry Pi, повежите други крај Grove кабла на дигиталну утичницу означену **D5** на Grove Base hat који је причвршћен на Pi. Ова утичница је друга с лева, у реду утичница поред GPIO пинова. -![Grove LED повезан на утичницу D5](../../../../../translated_images/sr/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED повезан на утичницу D5](../../../../../translated_images/sr/pi-led.97f1d474981dc35d.webp) ## Програмирајте ноћно светло diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 69be654cd..98f167c02 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove сензор светлости који се користи за дете Повежите сензор светлости. -![Grove сензор светлости](../../../../../translated_images/sr/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove сензор светлости](../../../../../translated_images/sr/grove-light-sensor.b8127b7c434e632d.webp) 1. Уметните један крај Grove кабла у прикључак на модулу сензора светлости. Кабл ће ући само у једном смеру. 1. Са искљученим Raspberry Pi-јем, повежите други крај Grove кабла на аналогни прикључак означен **A0** на Grove Base hat-у који је причвршћен за Pi. Овај прикључак је други с десна, у реду прикључака поред GPIO пинова. -![Grove сензор светлости повезан на прикључак A0](../../../../../translated_images/sr/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove сензор светлости повезан на прикључак A0](../../../../../translated_images/sr/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Програмирајте сензор светлости diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 421a0df1c..3acd286ba 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Otherwise 1. Изаберите дугме **Add** да бисте креирали LED на пину 5. - ![Подешавања за LED](../../../../../translated_images/sr/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Подешавања за LED](../../../../../translated_images/sr/counterfit-create-led.ba9db1c9b8c622a6.webp) LED ће бити креиран и појавиће се на листи актуатора. - ![Креирани LED](../../../../../translated_images/sr/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Креирани LED](../../../../../translated_images/sr/counterfit-led.c0ab02de6d256ad8.webp) Када је LED креиран, можете променити боју користећи *Color* изборник. Изаберите дугме **Set** да бисте променили боју након што је изаберете. diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index b09ac2a67..e4b165105 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ 1. Изаберите дугме **Add** да бисте креирали сензор светлости на пину 0. - ![Подешавања сензора светлости](../../../../../translated_images/sr/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Подешавања сензора светлости](../../../../../translated_images/sr/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Сензор светлости ће бити креиран и појавиће се на листи сензора. - ![Креирани сензор светлости](../../../../../translated_images/sr/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Креирани сензор светлости](../../../../../translated_images/sr/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Програмирајте сензор светлости diff --git a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index 326dd2b26..747f4207d 100644 --- a/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/sr/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove ЛЕД долази као модул са избором ЛЕД-ова, Повежите ЛЕД. -![Grove ЛЕД](../../../../../translated_images/sr/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove ЛЕД](../../../../../translated_images/sr/grove-led.6c853be93f473cf2.webp) 1. Изаберите свој омиљени ЛЕД и уметните ножице у две рупе на ЛЕД модулу. diff --git a/translations/sr/1-getting-started/lessons/4-connect-internet/README.md b/translations/sr/1-getting-started/lessons/4-connect-internet/README.md index e6d68d30a..2d9598544 100644 --- a/translations/sr/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/sr/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Повежите свој уређај на интернет -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-4.7344e074ea68fa54.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -47,7 +47,7 @@ MQTT је најпопуларнији комуникациони протоко MQTT има једног брокера и више клијената. Сви клијенти се повезују са брокером, а брокер усмерава поруке релевантним клијентима. Поруке се усмеравају користећи именоване теме, уместо да се шаљу директно појединачном клијенту. Клијент може објавити поруку на одређену тему, а сви клијенти који су претплаћени на ту тему добиће поруку. -![IoT уређај објављује телеметрију на теми /telemetry, а облачна услуга се претплаћује на ту тему](../../../../../translated_images/sr/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT уређај објављује телеметрију на теми /telemetry, а облачна услуга се претплаћује на ту тему](../../../../../translated_images/sr/mqtt.cbf7f21d9adc3e17.webp) ✅ Урадите истраживање. Ако имате велики број IoT уређаја, како можете осигурати да ваш MQTT брокер може обрадити све поруке? @@ -69,7 +69,7 @@ MQTT има једног брокера и више клијената. Сви > 💁 Овај тест брокер је јаван и није сигуран. Свако може слушати оно што објављујете, па се не би требало користити за податке који морају остати приватни. -![Дијаграм задатка који приказује читање и проверу нивоа светлости, и контролу LED-а](../../../../../translated_images/sr/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Дијаграм задатка који приказује читање и проверу нивоа светлости, и контролу LED-а](../../../../../translated_images/sr/assignment-1-internet-flow.3256feab5f052fd2.webp) Пратите релевантне кораке испод да бисте повезали свој уређај са MQTT брокером: @@ -350,7 +350,7 @@ MQTT везе могу бити јавне и отворене, или шифр Дизајнери IoT уређаја такође треба да размотре да ли се IoT уређај може користити током прекида интернет конекције или губитка сигнала због локације. Паметни термостат би требало да буде у стању да донесе неке ограничене одлуке за контролу грејања ако не може да шаље телеметрију у облак због прекида. -[![Овај Ferrari је постао неупотребљив јер је неко покушао да га ажурира под земљом где нема сигнала](../../../../../translated_images/sr/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Овај Ferrari је постао неупотребљив јер је неко покушао да га ажурира под земљом где нема сигнала](../../../../../translated_images/sr/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Да би MQTT обрадио губитак конекције, уређај и серверски код ће морати да буду одговорни за осигурање испоруке порука ако је то потребно, на пример захтевањем да све послате поруке буду одговорене додатним порукама на теми за одговор, а ако нису, да се ручно ставе у ред за касније слање. @@ -358,7 +358,7 @@ MQTT везе могу бити јавне и отворене, или шифр Команде су поруке које облак шаље уређају, упућујући га да уради нешто. Већину времена то укључује давање неке врсте излаза преко актуатора, али то може бити и инструкција за сам уређај, као што је поновно покретање или прикупљање додатне телеметрије и враћање као одговор на команду. -![Интернет повезан термостат прима команду да укључи грејање](../../../../../translated_images/sr/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Интернет повезан термостат прима команду да укључи грејање](../../../../../translated_images/sr/commands.d6c06bbbb3a02cce.webp) Термостат би могао примити команду из облака да укључи грејање. На основу телеметријских података са свих сензора, ако је облачна услуга одлучила да грејање треба да буде укључено, шаље одговарајућу команду. diff --git a/translations/sr/2-farm/lessons/1-predict-plant-growth/README.md b/translations/sr/2-farm/lessons/1-predict-plant-growth/README.md index 98079f4a9..c7748ac12 100644 --- a/translations/sr/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/sr/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # Предвиђање раста биљака помоћу IoT-а -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-5.42b234299279d263.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -90,7 +90,7 @@ Пуна формула за GDD је мало сложенија, али постоји поједностављена једначина која се често користи као добра апроксимација: -![GDD = T max + T min подељено са 2, све минус T base](../../../../../translated_images/sr/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min подељено са 2, све минус T base](../../../../../translated_images/sr/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - ово је број дана раста * **T max** - ово је дневна максимална температура у степенима Целзијуса @@ -118,7 +118,7 @@ Ово даје израчунавање: -![GDD = 16 + 12 подељено са 2, све минус 10, што даје резултат 4](../../../../../translated_images/sr/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 подељено са 2, све минус 10, што даје резултат 4](../../../../../translated_images/sr/gdd-calculation-corn.64a58b7a7afcd0df.webp) Кукуруз је тог дана добио 4 GDD. Узимајући у обзир сорту кукуруза којој је потребно 800 GDD да сазри, биће му потребно још 796 GDD да достигне зрелост. @@ -203,7 +203,7 @@ CSV датотека ће имати две колоне - *датум* и *те На пример, ако је највиша температура за дан 25°C, а најнижа 12°C: -![GDD = 25 + 12 подељено са 2, затим одузмите 10 од резултата, добијајући 8.5](../../../../../translated_images/sr/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 подељено са 2, затим одузмите 10 од резултата, добијајући 8.5](../../../../../translated_images/sr/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/sr/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/sr/2-farm/lessons/1-predict-plant-growth/assignment.md index 6b0cad9de..87f18ad2f 100644 --- a/translations/sr/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/sr/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Jupyter ће се покренути и отворити Notebook у вашем претраживачу. Прођите кроз упутства у Notebook-у да визуализујете измерене температуре и израчунате дане раста (GDD). - ![Jupyter Notebook](../../../../../translated_images/sr/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter Notebook](../../../../../translated_images/sr/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Рубрика diff --git a/translations/sr/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/sr/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 3bbb942f4..d8f5e2c67 100644 --- a/translations/sr/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/sr/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Grove сензор за температуру може се повезати с Повежите сензор за температуру -![Grove сензор за температуру](../../../../../translated_images/sr/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove сензор за температуру](../../../../../translated_images/sr/grove-dht11.07f8eafceee17004.webp) 1. Уметните један крај Grove кабла у прикључак на сензору за влажност и температуру. Кабл може бити уметнут само у једном смеру. diff --git a/translations/sr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/sr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index d34e2261a..2d49c8f2d 100644 --- a/translations/sr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/sr/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ 1. Изаберите дугме **Add** да бисте креирали сензор за влажност на пину 5. - ![Подешавања сензора за влажност](../../../../../translated_images/sr/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Подешавања сензора за влажност](../../../../../translated_images/sr/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Сензор за влажност ће бити креиран и појавиће се на листи сензора. - ![Креирани сензор за влажност](../../../../../translated_images/sr/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Креирани сензор за влажност](../../../../../translated_images/sr/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Направите сензор за температуру: @@ -54,11 +54,11 @@ 1. Изаберите дугме **Add** да бисте креирали сензор за температуру на пину 6. - ![Подешавања сензора за температуру](../../../../../translated_images/sr/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Подешавања сензора за температуру](../../../../../translated_images/sr/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Сензор за температуру ће бити креиран и појавиће се на листи сензора. - ![Креирани сензор за температуру](../../../../../translated_images/sr/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Креирани сензор за температуру](../../../../../translated_images/sr/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Програмирање апликације за сензор температуре diff --git a/translations/sr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/sr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 265b842ea..1a6f7eb6c 100644 --- a/translations/sr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/sr/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove сензор за температуру може се повезати н Повежите сензор за температуру. -![Grove сензор за температуру](../../../../../translated_images/sr/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove сензор за температуру](../../../../../translated_images/sr/grove-dht11.07f8eafceee17004.webp) 1. Уметните један крај Grove кабла у прикључак на сензору за влажност и температуру. Кабл ће ући само у једном смеру. diff --git a/translations/sr/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/sr/2-farm/lessons/2-detect-soil-moisture/README.md index c06552bfc..b336a4e8e 100644 --- a/translations/sr/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/sr/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C има магистралу састављену од 2 главне жиц | VCC | Напонски заједнички колектор | Напајање за уређаје. Ово је повезано са SDA и SCL жицама како би им обезбедило напајање преко pull-up отпорника који искључује сигнал када ниједан уређај није контролер. | | GND | Земља | Ово обезбеђује заједничку земљу за електрично коло. | -![I2C магистрала са 3 уређаја повезана на SDA и SCL жице, које деле заједничку земљу](../../../../../translated_images/sr/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C магистрала са 3 уређаја повезана на SDA и SCL жице, које деле заједничку земљу](../../../../../translated_images/sr/i2c.83da845dde02256b.webp) Да би послао податке, један уређај ће издати стартни услов како би показао да је спреман за слање података. Он ће тада постати контролер. Контролер затим шаље адресу уређаја са којим жели да комуницира, заједно са информацијом да ли жели да чита или пише податке. Након што су подаци пренети, контролер шаље стоп услов како би означио да је завршио. Након тога, други уређај може постати контролер и слати или примати податке. diff --git a/translations/sr/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/sr/2-farm/lessons/2-detect-soil-moisture/assignment.md index 9a5412de3..d2ff16162 100644 --- a/translations/sr/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/sr/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Гравиметријска влажност земљишта се израчунава као: -![влажност земљишта % је тежина влажног минус тежина сувог, подељено са тежином сувог, пута 100](../../../../../translated_images/sr/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![влажност земљишта % је тежина влажног минус тежина сувог, подељено са тежином сувог, пута 100](../../../../../translated_images/sr/gsm-calculation.6da38c6201eec14e.webp) * W - тежина влажног земљишта * W - тежина сувог земљишта На пример, рецимо да имате узорак земљишта који тежи 212г влажан, и 197г сув. -![Попуњен прорачун](../../../../../translated_images/sr/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Попуњен прорачун](../../../../../translated_images/sr/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212г * W = 197г diff --git a/translations/sr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/sr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 9286dab08..81f1315ed 100644 --- a/translations/sr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/sr/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ 1. Изаберите дугме **Add** да бисте креирали *Soil Moisture* сензор на пину 0. - ![Подешавања сензора влаге земљишта](../../../../../translated_images/sr/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Подешавања сензора влаге земљишта](../../../../../translated_images/sr/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Сензор влаге земљишта ће бити креиран и појавиће се на листи сензора. - ![Креирани сензор влаге земљишта](../../../../../translated_images/sr/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Креирани сензор влаге земљишта](../../../../../translated_images/sr/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Програмирање апликације за сензор влаге земљишта diff --git a/translations/sr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/sr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 1a5f5a385..14cb764cf 100644 --- a/translations/sr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/sr/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove сензор влаге у земљишту може се повезати Повежите сензор влаге у земљишту. -![Grove сензор влаге у земљишту](../../../../../translated_images/sr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove сензор влаге у земљишту](../../../../../translated_images/sr/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Уметните један крај Grove кабла у утичницу на сензору влаге у земљишту. Кабл ће ући само у једном смеру. diff --git a/translations/sr/2-farm/lessons/3-automated-plant-watering/README.md b/translations/sr/2-farm/lessons/3-automated-plant-watering/README.md index b2961cee2..ad486f6a0 100644 --- a/translations/sr/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/sr/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Аутоматско заливање биљака -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-7.30b5f577d3cb8e03.webp) > Скица од [Нитије Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -32,7 +32,7 @@ IoT уређаји користе низак напон. Иако је то до Решење за ово је да пумпа буде повезана на спољни извор напајања, а да се користи актуатор за укључивање пумпе, слично као што бисте укључили светло. Потребна је мала количина енергије (у облику енергије вашег тела) да ваш прст притисне прекидач, што повезује светло са електричном мрежом која ради на 110v/240v. -![Прекидач за светло укључује струју за светло](../../../../../translated_images/sr/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Прекидач за светло укључује струју за светло](../../../../../translated_images/sr/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Електрична мрежа](https://wikipedia.org/wiki/Mains_electricity) односи се на струју која се испоручује домовима и предузећима кроз националну инфраструктуру у многим деловима света. @@ -72,7 +72,7 @@ IoT уређаји користе низак напон. Иако је то до Електромагнету није потребно много снаге да се активира и повуче полугу, може се контролисати помоћу 3.3V или 5V излазног напона са IoT развојног комплета. Излазно коло може носити много више снаге, у зависности од релеја, укључујући напон електричне мреже или чак веће нивое снаге за индустријску употребу. На овај начин IoT развојни комплет може контролисати систем за наводњавање, од мале пумпе за једну биљку, до масивног индустријског система за целу комерцијалну фарму. -![Гров релеј са означеним контролним колом, излазним колом и релејем](../../../../../translated_images/sr/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Гров релеј са означеним контролним колом, излазним колом и релејем](../../../../../translated_images/sr/grove-relay-labelled.293e068f5c3c2a19.webp) Горња слика приказује Grove релеј. Контролно коло се повезује са IoT уређајем и укључује или искључује релеј користећи 3.3V или 5V. Излазно коло има два терминала, било који може бити напајање или уземљење. Излазно коло може да поднесе до 250V при 10A, што је довољно за низ уређаја који се напајају из електричне мреже. Можете набавити релеје који могу да поднесу чак и веће нивое снаге. diff --git a/translations/sr/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/sr/2-farm/lessons/3-automated-plant-watering/pi-relay.md index 78de19e1e..a43028d2d 100644 --- a/translations/sr/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/sr/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove релеј може се повезати са Raspberry Pi-јем. Повежите релеј. -![Grove релеј](../../../../../translated_images/sr/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove релеј](../../../../../translated_images/sr/grove-relay.d426958ca210fbd0.webp) 1. Уметните један крај Grove кабла у утичницу на релеју. Кабл ће ући само у једном смеру. 1. Са искљученим Raspberry Pi-јем, повежите други крај Grove кабла са дигиталном утичницом означеном **D5** на Grove Base Hat-у који је прикључен на Pi. Ова утичница је друга с лева, у реду утичница поред GPIO пинова. Оставите сензор за влажност земљишта повезан на утичницу **A0**. -![Grove релеј повезан на утичницу D5, а сензор за влажност земљишта повезан на утичницу A0](../../../../../translated_images/sr/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove релеј повезан на утичницу D5, а сензор за влажност земљишта повезан на утичницу A0](../../../../../translated_images/sr/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Уметните сензор за влажност земљишта у земљу, ако већ није из претходне лекције. diff --git a/translations/sr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/sr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index d04f91878..2c17d13dc 100644 --- a/translations/sr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/sr/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ 1. Изаберите дугме **Add** да бисте креирали релеј на пину 5. - ![Подешавања релеја](../../../../../translated_images/sr/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Подешавања релеја](../../../../../translated_images/sr/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Релеј ће бити креиран и појавиће се на листи актуатора. - ![Креирани релеј](../../../../../translated_images/sr/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Креирани релеј](../../../../../translated_images/sr/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Програмирање релеја diff --git a/translations/sr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/sr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index c7da35b58..8ba536e15 100644 --- a/translations/sr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/sr/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove релеј може се повезати на дигитални порт Повежите релеј. -![Grove релеј](../../../../../translated_images/sr/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove релеј](../../../../../translated_images/sr/grove-relay.d426958ca210fbd0.webp) 1. Уметните један крај Grove кабла у утичницу на релеју. Кабл ће ући само у једном смеру. diff --git a/translations/sr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/sr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index a254dcd62..101fb23f9 100644 --- a/translations/sr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/sr/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Пренесите своју биљку у облак -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-8.3f21f3c11159e6a0.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -46,8 +46,8 @@ IoT уређај је комуницирао са јавним MQTT брокер Облак се често шаљиво назива „рачунар неког другог“. Почетна идеја је била једноставна - уместо да купујете рачунаре, изнајмљујете рачунар неког другог. Неко други, провајдер услуга облака, управљао би огромним дата центрима. Они би били одговорни за куповину и инсталацију хардвера, управљање напајањем и хлађењем, мрежом, обезбеђењем зграде, ажурирањем хардвера и софтвера, све. Као корисник, изнајмљивали бисте рачунаре који су вам потребни, изнајмљивали више када потражња расте, а затим смањивали број рачунара када потражња опада. Ови дата центри налазе се широм света. -![Microsoft облак дата центар](../../../../../translated_images/sr/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Microsoft облак дата центар планирано проширење](../../../../../translated_images/sr/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Microsoft облак дата центар](../../../../../translated_images/sr/azure-region-existing.73f704604f2aa6cb.webp) +![Microsoft облак дата центар планирано проширење](../../../../../translated_images/sr/azure-region-planned-expansion.a5074a1e8af74f15.webp) Ови дата центри могу бити величине више квадратних километара. Слике изнад су снимљене пре неколико година у Microsoft облак дата центру и приказују почетну величину, као и планирано проширење. Површина очишћена за проширење је преко 5 квадратних километара. @@ -108,11 +108,11 @@ IoT услуге у облаку решавају ове проблеме. Њи IoT уређаји се повезују са услугом у облаку или помоћу SDK-а за уређаје (библиотеке која пружа код за рад са функцијама услуге), или директно преко комуникационог протокола као што су MQTT или HTTP. SDK за уређаје је обично најлакши пут јер обрађује све за вас, као што је знање о томе које теме треба објавити или претплатити се, и како обрадити безбедност. -![Уређаји се повезују са услугом помоћу SDK-а за уређаје. Серверски код се такође повезује са услугом преко SDK-а](../../../../../translated_images/sr/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Уређаји се повезују са услугом помоћу SDK-а за уређаје. Серверски код се такође повезује са услугом преко SDK-а](../../../../../translated_images/sr/iot-service-connectivity.7e873847921a5d6f.webp) Ваш уређај затим комуницира са другим деловима ваше апликације преко ове услуге - слично као што сте слали телеметрију и примали команде преко MQTT-а. Ово се обично ради помоћу SDK-а за услугу или сличне библиотеке. Поруке долазе са вашег уређаја на услугу где их други делови ваше апликације могу читати, а поруке се затим могу слати назад вашем уређају. -![Уређаји без важећег тајног кључа не могу се повезати са IoT услугом](../../../../../translated_images/sr/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Уређаји без важећег тајног кључа не могу се повезати са IoT услугом](../../../../../translated_images/sr/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Ове услуге имплементирају безбедност тако што знају о свим уређајима који могу да се повежу и шаљу податке, било да су уређаји унапред регистровани у услузи, или тако што уређајима дају тајне кључеве или сертификате које могу користити да се региструју у услузи први пут када се повежу. Непознати уређаји не могу да се повежу; ако покушају, услуга одбија везу и игнорише поруке које шаљу. @@ -124,7 +124,7 @@ IoT уређаји се повезују са услугом у облаку и Сада када имате Azure претплату, можете се пријавити за IoT услугу. IoT услуга од Microsoft-а се зове Azure IoT Hub. -![Лого Azure IoT Hub](../../../../../translated_images/sr/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Лого Azure IoT Hub](../../../../../translated_images/sr/azure-iot-hub-logo.28a19de76d0a1932.webp) Видео испод пружа кратак преглед Azure IoT Hub: diff --git a/translations/sr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/sr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 5f704f558..51b4faa8b 100644 --- a/translations/sr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/sr/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Мигрирајте логику ваше апликације у облак -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-9.dfe99c8e891f48e1.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -28,7 +28,7 @@ Серверлес, или серверлес рачунарство, подразумева креирање малих блокова кода који се извршавају у облаку као одговор на различите врсте догађаја. Када се догађај догоди, ваш код се извршава и добија податке о догађају. Ови догађаји могу бити различити, укључујући веб захтеве, поруке постављене у ред, промене података у бази или поруке које IoT уређаји шаљу IoT услузи. -![Догађаји који се шаљу из IoT услуге серверлес услузи, сви се обрађују истовремено од стране више функција](../../../../../translated_images/sr/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Догађаји који се шаљу из IoT услуге серверлес услузи, сви се обрађују истовремено од стране више функција](../../../../../translated_images/sr/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ако сте раније користили тригере у базама података, можете ово замислити као сличан концепт - код који се активира догађајем, као што је убацивање реда. @@ -54,7 +54,7 @@ Серверлес услуга за рачунарство од Microsoft-а назива се Azure Functions. -![Лого Azure Functions](../../../../../translated_images/sr/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Лого Azure Functions](../../../../../translated_images/sr/azure-functions-logo.1cfc8e3204c9c44a.webp) Кратак видео испод даје преглед Azure Functions. diff --git a/translations/sr/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/sr/2-farm/lessons/6-keep-your-plant-secure/README.md index fdd7ad6f6..dcc47aaa3 100644 --- a/translations/sr/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/sr/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Чувајте своју биљку безбедном -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-10.829c86b80b9403bb.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -52,11 +52,11 @@ Када се уређај повезује са IoT сервисом, користи ID да би се идентификовао. Проблем је што се овај ID може клонирати - хакер би могао поставити злонамерни уређај који користи исти ID као прави уређај, али шаље лажне податке. -![И прави и злонамерни уређаји могу користити исти ID за слање телеметрије](../../../../../translated_images/sr/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![И прави и злонамерни уређаји могу користити исти ID за слање телеметрије](../../../../../translated_images/sr/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Решење за ово је претварање података који се шаљу у шифровани формат, користећи неку вредност познату само уређају и облаку. Овај процес се назива *енкрипција*, а вредност која се користи за шифровање података назива се *кључ за шифровање*. -![Ако се користи енкрипција, прихватају се само шифроване поруке, остале се одбацују](../../../../../translated_images/sr/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ако се користи енкрипција, прихватају се само шифроване поруке, остале се одбацују](../../../../../translated_images/sr/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Облачни сервис затим може претворити податке назад у читљив формат, користећи процес назван *декрипција*, користећи или исти кључ за шифровање, или *кључ за декрипцију*. Ако шифрована порука не може бити декодирана кључем, уређај је хакован и порука се одбацује. diff --git a/translations/sr/3-transport/lessons/1-location-tracking/README.md b/translations/sr/3-transport/lessons/1-location-tracking/README.md index 8cf2abbb0..04f6a7617 100644 --- a/translations/sr/3-transport/lessons/1-location-tracking/README.md +++ b/translations/sr/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Праћење локације -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-11.9fddbac4b664c6d5.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -63,13 +63,13 @@ IoT трансформише начин на који се роба трансп > 💁 Нико заправо не зна оригинални разлог зашто су кругови подељени на 360 степени. [Страница о степену (угао) на Википедији](https://wikipedia.org/wiki/Degree_(angle)) покрива неке од могућих разлога. -![Линије географске ширине од 90° на Северном полу, 45° на пола пута између Северног пола и екватора, 0° на екватору, -45° на пола пута између екватора и Јужног пола и -90° на Јужном полу](../../../../../translated_images/sr/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Линије географске ширине од 90° на Северном полу, 45° на пола пута између Северног пола и екватора, 0° на екватору, -45° на пола пута између екватора и Јужног пола и -90° на Јужном полу](../../../../../translated_images/sr/latitude-lines.11d8d91dfb2014a5.webp) Географска ширина се мери помоћу линија које окружују Земљу и иду паралелно са екватором, делећи Северну и Јужну хемисферу на по 90°. Екватор је на 0°, Северни пол је на 90°, такође познат као 90° северно, а Јужни пол је на -90°, или 90° јужно. Географска дужина се мери као број степени одмерених источно и западно. Почетна тачка од 0° географске дужине назива се *Примарни меридијан* и дефинисана је 1884. године као линија од Северног до Јужног пола која пролази кроз [Британску краљевску опсерваторију у Гриничу, Енглеска](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Линије географске дужине које иду од -180° западно од Примарног меридијана, до 0° на Примарном меридијану, до 180° источно од Примарног меридијана](../../../../../translated_images/sr/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Линије географске дужине које иду од -180° западно од Примарног меридијана, до 0° на Примарном меридијану, до 180° источно од Примарног меридијана](../../../../../translated_images/sr/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Меридијан је имагинарна права линија која иде од Северног до Јужног пола, формирајући полукруг. @@ -100,7 +100,7 @@ IoT трансформише начин на који се роба трансп * Географску ширину од 47.6423109 (47.6423109 степени северно од екватора) * Географску дужину од -122.1390293 (122.1390293 степени западно од Примарног меридијана). -![Microsoft кампус на 47.6423109,-122.117198](../../../../../translated_images/sr/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Microsoft кампус на 47.6423109,-122.117198](../../../../../translated_images/sr/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Глобални позициони системи (GPS) @@ -112,7 +112,7 @@ GPS системи функционишу тако што имају бројн > 💁 GPS сензори захтевају антене за детекцију радио таласа. Антене уграђене у камионе и аутомобиле са уграђеним GPS-ом су позициониране тако да добију добар сигнал, обично на ветробрану или крову. Ако користите посебан GPS систем, као што је паметни телефон или IoT уређај, онда морате осигурати да антена уграђена у GPS систем или телефон има јасан поглед на небо, као што је монтирање на ветробрану. -![Знајући удаљеност од сензора до више сателита, локација се може израчунати](../../../../../translated_images/sr/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Знајући удаљеност од сензора до више сателита, локација се може израчунати](../../../../../translated_images/sr/gps-satellites.04acf1148fe25fbf.webp) GPS сателити круже око Земље, нису на фиксној тачки изнад сензора, тако да подаци о локацији укључују надморску висину као и географску ширину и дужину. diff --git a/translations/sr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/sr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index efc14db9b..6896d384a 100644 --- a/translations/sr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/sr/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS сензор може да се повезује са Raspberry Pi. Повежите GPS сензор. -![Grove GPS сензор](../../../../../translated_images/sr/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS сензор](../../../../../translated_images/sr/grove-gps-sensor.247943bf69b03f0d.webp) 1. Уметните један крај Grove кабла у утичницу на GPS сензору. Кабл ће ући само у једном смеру. 1. Са искљученим Raspberry Pi-јем, повежите други крај Grove кабла у UART утичницу означену **UART** на Grove Base хату који је прикључен на Pi. Ова утичница се налази у средњем реду, на страни ближе слоту за SD картицу, супротно од USB портова и Ethernet утичнице. - ![Grove GPS сензор повезан на UART утичницу](../../../../../translated_images/sr/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS сензор повезан на UART утичницу](../../../../../translated_images/sr/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Поставите GPS сензор тако да прикључена антена има видљивост ка небу - идеално поред отвореног прозора или напољу. Лакше је добити јаснији сигнал када ништа не блокира антену. diff --git a/translations/sr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/sr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index e341d1d89..16393acce 100644 --- a/translations/sr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/sr/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ 1. Изаберите дугме **Add** да бисте креирали GPS сензор на порту `/dev/ttyAMA0`. - ![Подешавања GPS сензора](../../../../../translated_images/sr/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Подешавања GPS сензора](../../../../../translated_images/sr/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS сензор ће бити креиран и појавиће се на листи сензора. - ![Креирани GPS сензор](../../../../../translated_images/sr/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Креирани GPS сензор](../../../../../translated_images/sr/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Програмирање GPS сензора @@ -102,17 +102,17 @@ * Подесите **Source** на `Lat/Lon` и поставите експлицитну географску ширину, дужину и број сателита који се користе за GPS фиксацију. Ова вредност ће бити послата само једном, па означите **Repeat** кутију да би се подаци понављали сваке секунде. - ![GPS сензор са изабраним lat lon](../../../../../translated_images/sr/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS сензор са изабраним lat lon](../../../../../translated_images/sr/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Подесите **Source** на `NMEA` и додајте неке NMEA реченице у текстуални оквир. Све ове вредности ће бити послате, са кашњењем од 1 секунде пре сваке нове GGA (позициона фиксација) реченице. - ![GPS сензор са подешеним NMEA реченицама](../../../../../translated_images/sr/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS сензор са подешеним NMEA реченицама](../../../../../translated_images/sr/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Можете користити алат као што је [nmeagen.org](https://www.nmeagen.org) за генерисање ових реченица цртањем на мапи. Ове вредности ће бити послате само једном, па означите **Repeat** кутију да би се подаци понављали једну секунду након што су сви послати. * Подесите **Source** на GPX датотеку и отпремите GPX датотеку са локацијама стазе. Можете преузети GPX датотеке са бројних популарних сајтова за мапирање и планинарење, као што је [AllTrails](https://www.alltrails.com/). Ове датотеке садрже више GPS локација као стазу, а GPS сензор ће враћати сваку нову локацију у интервалима од 1 секунде. - ![GPS сензор са подешеном GPX датотеком](../../../../../translated_images/sr/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS сензор са подешеном GPX датотеком](../../../../../translated_images/sr/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Ове вредности ће бити послате само једном, па означите **Repeat** кутију да би се подаци понављали једну секунду након што су сви послати. diff --git a/translations/sr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/sr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index f7c34f1f7..a1fb5602c 100644 --- a/translations/sr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/sr/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS сензор може да се повезује са Wio Terminal-о Повежите GPS сензор. -![Grove GPS сензор](../../../../../translated_images/sr/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS сензор](../../../../../translated_images/sr/grove-gps-sensor.247943bf69b03f0d.webp) 1. Уметните један крај Grove кабла у прикључак на GPS сензору. Кабл може да се уметне само на један начин. diff --git a/translations/sr/3-transport/lessons/2-store-location-data/README.md b/translations/sr/3-transport/lessons/2-store-location-data/README.md index 179c0d985..e5538ed72 100644 --- a/translations/sr/3-transport/lessons/2-store-location-data/README.md +++ b/translations/sr/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Локација продавнице података -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-12.ca7f53039712a3ec.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -75,7 +75,7 @@ NoSQL базе података се називају NoSQL јер немају > 💁 Упркос њиховом имену, неке NoSQL базе података омогућавају вам да користите SQL за претрагу података. -![Документи у фасциклама у NoSQL бази података](../../../../../translated_images/sr/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Документи у фасциклама у NoSQL бази података](../../../../../translated_images/sr/noqsl-database.62d24ccf5b73f60d.webp) NoSQL базе података немају унапред дефинисану шему која ограничава начин складиштења података, уместо тога можете уносити било које неструктуриране податке, обично користећи JSON документе. Ови документи могу бити организовани у фасцикле, слично фајловима на вашем рачунару. Сваки документ може имати различита поља од других докумената - на пример, ако складиштите IoT податке са ваших фармских возила, неки могу имати поља за податке о акцелерометру и брзини, други могу имати поља за температуру у приколици. Ако бисте додали нови тип камиона, као што је онај са уграђеним вагама за праћење тежине носивости, ваш IoT уређај би могао додати ово ново поље и оно би могло бити складиштено без икаквих промена на бази података. @@ -89,7 +89,7 @@ NoSQL базе података немају унапред дефинисану У претходној лекцији прикупили сте GPS податке са GPS сензора повезаног са вашим IoT уређајем. Да бисте складиштили ове IoT податке у облаку, потребно је да их пошаљете IoT услузи. Поново ћете користити Azure IoT Hub, исту IoT услугу у облаку коју сте користили у претходном пројекту. -![Слање GPS телеметрије са IoT уређаја у IoT Hub](../../../../../translated_images/sr/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Слање GPS телеметрије са IoT уређаја у IoT Hub](../../../../../translated_images/sr/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Задатак - слање GPS података у IoT Hub @@ -187,7 +187,7 @@ message = Message(json.dumps(message_json)) ## Azure Storage налози -![Лого Azure Storage-а](../../../../../translated_images/sr/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Лого Azure Storage-а](../../../../../translated_images/sr/azure-storage-logo.605c0f602c640d48.webp) Azure Storage налози су услуга за складиштење опште намене која може чувати податке на различите начине. Можете чувати податке као блобове, у редовима, у табелама или као датотеке, и све то истовремено. diff --git a/translations/sr/3-transport/lessons/3-visualize-location-data/README.md b/translations/sr/3-transport/lessons/3-visualize-location-data/README.md index 53e196b68..abd8caa21 100644 --- a/translations/sr/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/sr/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Визуелизација података о локацији -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-13.a259db1485021be7.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -64,11 +64,11 @@ Као људима, разумевање ових података може бити тешко. То је зид бројева без икаквог значења. Као први корак у визуелизацији ових података, могу се приказати на линијском графикону: -![Линијски графикон горе наведених података](../../../../../translated_images/sr/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Линијски графикон горе наведених података](../../../../../translated_images/sr/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Ово се може додатно побољшати додавањем линије која показује када је аутоматски систем за наводњавање укључен на очитавању влажности земљишта од 450: -![Линијски графикон влажности земљишта са линијом на 450](../../../../../translated_images/sr/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Линијски графикон влажности земљишта са линијом на 450](../../../../../translated_images/sr/chart-soil-moisture-relay.fbb391236d34a64d.webp) Овај графикон брзо показује не само какви су били нивои влажности земљишта, већ и тачке у којима је систем за наводњавање укључен. @@ -84,7 +84,7 @@ Рад са мапама је занимљив задатак, а постоји много опција као што су Bing Maps, Leaflet, Open Street Maps и Google Maps. У овој лекцији ћете научити о [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) и како могу приказати ваше GPS податке. -![Azure Maps лого](../../../../../translated_images/sr/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Azure Maps лого](../../../../../translated_images/sr/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps је "збирка геопросторних услуга и SDK-ова који користе свежу мапну базу података како би пружили географски контекст веб и мобилним апликацијама." Програмери добијају алате за креирање лепих, интерактивних мапа које могу радити ствари попут препоручивања саобраћајних рута, пружања информација о саобраћајним инцидентима, унутрашње навигације, могућности претраге, информација о надморској висини, временских услуга и још много тога. @@ -185,7 +185,7 @@ Azure Maps је "збирка геопросторних услуга и SDK-о Ако отворите вашу `index.html` страницу у веб претраживачу, требало би да видите учитану мапу, фокусирану на подручје Сијетла. - ![Мапа која приказује Сијетл, град у држави Вашингтон, САД](../../../../../translated_images/sr/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Мапа која приказује Сијетл, град у држави Вашингтон, САД](../../../../../translated_images/sr/map-image.8fb2c53eb23ef39c.webp) ✅ Испробајте параметре за зумирање и центрирање да бисте променили приказ мапе. Можете додати различите координате које одговарају географској ширини и дужини ваших података како бисте променили центар мапе. @@ -319,7 +319,7 @@ Azure Maps је "збирка геопросторних услуга и SDK-о 1. Учитајте HTML страницу у вашем прегледачу. Она ће учитати мапу, затим учитати све GPS податке из складишта и приказати их на мапи. - ![Мапа Saint Edward State Park-а близу Сијетла, са круговима који приказују путању око ивице парка](../../../../../translated_images/sr/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Мапа Saint Edward State Park-а близу Сијетла, са круговима који приказују путању око ивице парка](../../../../../translated_images/sr/map-path.896832e72dc696ff.webp) > 💁 Овај код можете пронаћи у [code](../../../../../3-transport/lessons/3-visualize-location-data/code) фасцикли. diff --git a/translations/sr/3-transport/lessons/4-geofences/README.md b/translations/sr/3-transport/lessons/4-geofences/README.md index f84acad76..115face46 100644 --- a/translations/sr/3-transport/lessons/4-geofences/README.md +++ b/translations/sr/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Геозоне -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-14.63980c5150ae3c15.webp) > Скица од [Нитије Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -35,7 +35,7 @@ Геозона је виртуелни периметар за стварни географски регион. Геозоне могу бити кругови дефинисани као тачка и радијус (на пример круг ширине 100м око зграде), или полигони који покривају подручје као што је школска зона, границе града или универзитетски или пословни кампус. -![Примери геозона који приказују кружну геозону око продавнице Microsoft-а и полигоналну геозону око западног кампуса Microsoft-а](../../../../../translated_images/sr/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Примери геозона који приказују кружну геозону око продавнице Microsoft-а и полигоналну геозону око западног кампуса Microsoft-а](../../../../../translated_images/sr/geofence-examples.172fbc534665769f.webp) > 💁 Можда сте већ користили геозоне, а да тога нисте били свесни. Ако сте поставили подсетник у апликацији iOS Reminders или Google Keep на основу локације, користили сте геозону. Ове апликације постављају геозону на основу дате локације и обавештавају вас када ваш телефон уђе у геозону. @@ -212,7 +212,7 @@ Azure Maps, услуга коју сте користили у претходн На пример, замислите GPS податке који показују да се возило кретало путем који пролази поред геозоне. Ако је једна GPS вредност нетачна и постави возило унутар геозоне, иако нема приступа возилом, та вредност се може игнорисати. -![GPS траг који показује возило како пролази поред Microsoft кампуса на 520, са GPS очитавањима дуж пута осим једног на кампусу, унутар геозоне](../../../../../translated_images/sr/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS траг који показује возило како пролази поред Microsoft кампуса на 520, са GPS очитавањима дуж пута осим једног на кампусу, унутар геозоне](../../../../../translated_images/sr/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) На слици изнад, приказан је геофенс преко дела кампуса Microsoft-а. Црвена линија показује кретање камиона дуж пута 520, са круговима који представљају GPS очитавања. Већина ових очитавања је тачна и налази се дуж пута 520, али једно нетачно очитавање је унутар геофенса. Нема начина да то очитавање буде исправно - не постоје путеви који би омогућили камиону да изненада скрене са пута 520 на кампус, а затим се врати на пут 520. Код који проверава овај геофенс мора узети у обзир претходна очитавања пре него што реагује на резултате теста геофенса. ✅ Који додатни подаци би вам били потребни да проверите да ли се GPS очитавање може сматрати исправним? @@ -284,7 +284,7 @@ Azure Maps, услуга коју сте користили у претходн Одговор је да не може! Уместо тога, можете дефинисати више одвојених конекција за читање догађаја, и свака може управљати репродукцијом непрочитаних порука. Ове се називају *потрошачке групе*. Када се повежете на крајњу тачку, можете специфицирати коју потрошачку групу желите да користите. Свака компонента ваше апликације ће се повезати на различиту потрошачку групу. -![Један IoT Hub са 3 потрошачке групе које дистрибуирају исте поруке на 3 различите Functions апликације](../../../../../translated_images/sr/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Један IoT Hub са 3 потрошачке групе које дистрибуирају исте поруке на 3 различите Functions апликације](../../../../../translated_images/sr/consumer-groups.a3262e26fc27ba20.webp) Теоретски, до 5 апликација може се повезати на сваку потрошачку групу, и све ће примати поруке када стигну. Најбоља пракса је да само једна апликација приступа свакој потрошачкој групи како би се избегла дуплирана обрада порука и осигурало да се приликом поновног покретања све поруке у реду правилно обраде. На пример, ако покренете вашу Functions апликацију локално, као и у облаку, обе би обрађивале поруке, што би довело до дуплираних блобова ускладиштених у складишном налогу. diff --git a/translations/sr/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/sr/4-manufacturing/lessons/1-train-fruit-detector/README.md index 8da824a10..073cda73d 100644 --- a/translations/sr/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/sr/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Направите детектор квалитета воћа -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-15.843d21afdc6fb2bb.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -38,7 +38,7 @@ Пораст аутоматизоване бербе преместио је сортирање производа са бербе на фабрику. Храна би путовала на дугим покретним тракама са тимовима људи који би прегледали производе и уклањали све што није задовољавало потребне стандарде квалитета. Берба је била јефтинија захваљујући машинама, али је и даље постојао трошак ручног сортирања хране. -![Ако се детектује црвени парадајз, наставља свој пут без прекида. Ако се детектује зелени парадајз, полуга га пребацује у канту за отпад](../../../../../translated_images/sr/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ако се детектује црвени парадајз, наставља свој пут без прекида. Ако се детектује зелени парадајз, полуга га пребацује у канту за отпад](../../../../../translated_images/sr/optical-tomato-sorting.61aa134bdda4e5b1.webp) Следећа еволуција била је коришћење машина за сортирање, било уграђених у бербу, или у фабрикама за обраду. Прва генерација ових машина користила је оптичке сензоре за детекцију боја, контролишући актуаторе који су зелене парадајзе пребацивали у канту за отпад помоћу полуга или ваздушних млазова, остављајући црвене парадајзе да наставе пут на мрежи покретних трака. @@ -62,7 +62,7 @@ > 🎓 Резултати ML модела називају се *предвиђања* -![2 банане, једна зрела са предвиђањем 99.7% зрела, 0.3% незрела, и једна незрела са предвиђањем 1.4% зрела, 98.6% незрела](../../../../../translated_images/sr/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 банане, једна зрела са предвиђањем 99.7% зрела, 0.3% незрела, и једна незрела са предвиђањем 1.4% зрела, 98.6% незрела](../../../../../translated_images/sr/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) ML модели не дају бинарне одговоре, већ дају вероватноће. На пример, модел може добити слику банане и предвидети `зрело` са 99.7% и `незрело` са 0.3%. Ваш код би затим изабрао најбоље предвиђање и одлучио да је банана зрела. @@ -90,7 +90,7 @@ ML модел који се користи за детекцију слика к Custom Vision је алат заснован на облаку за обуку класификатора слика. Омогућава вам да обучите класификатор користећи само мали број слика. Можете отпремити слике преко веб портала, веб API-ја или SDK-а, дајући свакој слици *ознаку* која представља класификацију те слике. Затим обучавате модел и тестирајте га да видите колико добро функционише. Када будете задовољни моделом, можете објавити његове верзије које се могу приступити преко веб API-ја или SDK-а. -![Лого Azure Custom Vision](../../../../../translated_images/sr/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Лого Azure Custom Vision](../../../../../translated_images/sr/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Можете обучити Custom Vision модел са само 5 слика по класификацији, али више је боље. Можете добити боље резултате са најмање 30 слика. @@ -146,7 +146,7 @@ Custom Vision је део низа AI алата од Microsoft-а назван Када креирате свој пројекат, уверите се да користите ресурс `fruit-quality-detector-training` који сте раније креирали. Користите тип пројекта *Classification*, тип класификације *Multiclass*, и домен *Food*. - ![Подешавања за Custom Vision пројекат са именом постављеним на fruit-quality-detector, без описа, ресурсом постављеним на fruit-quality-detector-training, типом пројекта постављеним на classification, типом класификације постављеним на multi class и доменом постављеним на food](../../../../../translated_images/sr/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Подешавања за Custom Vision пројекат са именом постављеним на fruit-quality-detector, без описа, ресурсом постављеним на fruit-quality-detector-training, типом пројекта постављеним на classification, типом класификације постављеним на multi class и доменом постављеним на food](../../../../../translated_images/sr/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Одвојите време да истражите Custom Vision UI за ваш класификатор слика. @@ -164,7 +164,7 @@ Custom Vision је део низа AI алата од Microsoft-а назван * Користећи 2 зреле банане, направите неколико слика сваке из различитих углова, правећи најмање 7 слика (5 за обуку, 2 за тестирање), али идеално више. - ![Слике 2 различите банане](../../../../../translated_images/sr/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Слике 2 различите банане](../../../../../translated_images/sr/banana-training-images.530eb203346d73bc.webp) * Поновите исти процес користећи 2 незреле банане. @@ -174,7 +174,7 @@ Custom Vision је део низа AI алата од Microsoft-а назван 1. Пратите [секцију за отпремање и означавање слика у упутству за брзи почетак изградње класификатора на Microsoft документацији](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) да бисте отпремили слике за обуку. Означите зрело воће као `ripe`, а незрело као `unripe`. - ![Дијалози за отпремање који приказују отпремање слика зреле и незреле банане](../../../../../translated_images/sr/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Дијалози за отпремање који приказују отпремање слика зреле и незреле банане](../../../../../translated_images/sr/image-upload-bananas.0751639f3815e0ec.webp) 1. Пратите [секцију за обуку класификатора у упутству за брзи почетак изградње класификатора на Microsoft документацији](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) да бисте обучили класификатор слика на вашим отпремљеним сликама. @@ -192,7 +192,7 @@ Custom Vision је део низа AI алата од Microsoft-а назван 1. Пратите [документацију за тестирање модела на Microsoft документацији](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) да бисте тестирали свој класификатор слика. Користите слике за тестирање које сте раније направили, а не слике које сте користили за обуку. - ![Незрела банана предвиђена као незрела са 98.9% вероватноће, зрела са 1.1% вероватноће](../../../../../translated_images/sr/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Незрела банана предвиђена као незрела са 98.9% вероватноће, зрела са 1.1% вероватноће](../../../../../translated_images/sr/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Испробајте све слике за тестирање које имате и посматрајте вероватноће. diff --git a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/README.md index c039e9d13..824aec2f5 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Провера квалитета воћа помоћу IoT уређаја -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-16.215daf18b00631fb.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -26,7 +26,7 @@ Сензори камера, како и само име каже, су камере које можете повезати са својим IoT уређајем. Они могу снимати статичне слике или стримовати видео. Неки враћају необрађене податке о слици, док други компресују податке у датотеке као што су JPEG или PNG. Камере које раде са IoT уређајима обично су мање и нижег квалитета него што сте можда навикли, али постоје и камере високе резолуције које могу парирати врхунским телефонима. Можете набавити различите заменљиве објективе, поставке са више камера, инфрацрвене термалне камере или UV камере. -![Светлост са сцене пролази кроз објектив и фокусира се на CMOS сензор](../../../../../translated_images/sr/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Светлост са сцене пролази кроз објектив и фокусира се на CMOS сензор](../../../../../translated_images/sr/cmos-sensor.75f9cd74decb1371.webp) Већина сензора камера користи сензоре слике где је сваки пиксел фотодиода. Објектив фокусира слику на сензор слике, а хиљаде или милиони фотодиода детектују светлост која пада на њих и бележе то као податке о пикселима. @@ -74,7 +74,7 @@ 1. Кликните на дугме **Publish** за итерацију. - ![Дугме за објављивање](../../../../../translated_images/sr/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Дугме за објављивање](../../../../../translated_images/sr/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. У дијалогу *Publish Model*, подесите *Prediction resource* на ресурс `fruit-quality-detector-prediction` који сте креирали у претходној лекцији. Оставите име као `Iteration2` и кликните на дугме **Publish**. @@ -88,7 +88,7 @@ Такође копирајте вредност *Prediction-Key*. Ово је сигурносни кључ који морате проследити када позивате модел. Само апликације које проследе овај кључ могу користити модел, све друге апликације ће бити одбијене. - ![Дијалог Prediction API који приказује URL и кључ](../../../../../translated_images/sr/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Дијалог Prediction API који приказује URL и кључ](../../../../../translated_images/sr/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Када се објави нова итерација, она ће имати другачије име. Како мислите да бисте променили итерацију коју IoT уређај користи? @@ -109,7 +109,7 @@ Да бисте добили најбоље резултате за класификатор слика, желите да обучите модел са сликама које су што сличније сликама које се користе за предвиђања. Ако сте, на пример, користили камеру телефона за снимање слика за обуку, квалитет слике, оштрина и боја ће бити другачији од камере повезане са IoT уређајем. -![2 слике банане, једна ниске резолуције са лошим осветљењем са IoT уређаја, и једна високе резолуције са добрим осветљењем са телефона](../../../../../translated_images/sr/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 слике банане, једна ниске резолуције са лошим осветљењем са IoT уређаја, и једна високе резолуције са добрим осветљењем са телефона](../../../../../translated_images/sr/banana-picture-compare.174df164dc326a42.webp) На слици изнад, слика банане са леве стране је снимљена помоћу Raspberry Pi камере, док је слика са десне стране снимљена исте банане на истој локацији помоћу iPhone-а. Приметна је разлика у квалитету - слика са iPhone-а је оштрија, са светлијим бојама и већим контрастом. diff --git a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 1f6fbfd17..9e08bd508 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Raspberry Pi захтева камеру. ### Задатак - повежите камеру -![Raspberry Pi камера](../../../../../translated_images/sr/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Raspberry Pi камера](../../../../../translated_images/sr/pi-camera-module.4278753c31bd6e75.webp) 1. Искључите Raspberry Pi. @@ -24,17 +24,17 @@ Raspberry Pi захтева камеру. Анимацију која показује како да отворите копчу и уметнете кабл можете пронаћи у [документацији за почетак рада са Raspberry Pi камера модулом](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Тракасти кабл уметнут у модул камере](../../../../../translated_images/sr/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Тракасти кабл уметнут у модул камере](../../../../../translated_images/sr/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Уклоните Grove Base Hat са Raspberry Pi. 1. Провуците тракасти кабл кроз отвор за камеру на Grove Base Hat. Уверите се да је плава страна кабла окренута ка аналогним портовима означеним са **A0**, **A1** итд. - ![Тракасти кабл пролази кроз Grove Base Hat](../../../../../translated_images/sr/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Тракасти кабл пролази кроз Grove Base Hat](../../../../../translated_images/sr/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Уметните тракасти кабл у порт за камеру на Raspberry Pi. Поново, подигните црну пластичну копчу, уметните кабл, а затим вратите копчу на место. Плава страна кабла треба да буде окренута ка USB и Ethernet портовима. - ![Тракасти кабл повезан са утичницом за камеру на Raspberry Pi](../../../../../translated_images/sr/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Тракасти кабл повезан са утичницом за камеру на Raspberry Pi](../../../../../translated_images/sr/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Поново поставите Grove Base Hat. @@ -101,7 +101,7 @@ Raspberry Pi захтева камеру. Линија `camera.rotation = 0` поставља ротацију слике. Тракасти кабл улази у доњи део камере, али ако је ваша камера ротирана како би лакше била усмерена ка објекту који желите да класификујете, можете променити ову линију у број степени ротације. - ![Камера виси изнад лименке пића](../../../../../translated_images/sr/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Камера виси изнад лименке пића](../../../../../translated_images/sr/pi-camera-upside-down.5376961ba3145988.webp) На пример, ако суспендујете тракасти кабл изнад нечега тако да је на врху камере, поставите ротацију на 180: diff --git a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 8ed317cb0..86d5bbe39 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Custom Vision сервис има Python SDK који можете корист Моћи ћете да видите слику која је снимљена, као и ове вредности у картици **Predictions** у Custom Vision. - ![Банана у Custom Vision предвиђена као зрела са 56.8% и незрела са 43.1%](../../../../../translated_images/sr/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Банана у Custom Vision предвиђена као зрела са 56.8% и незрела са 43.1%](../../../../../translated_images/sr/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Овај код можете пронаћи у фасцикли [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/sr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 235edc9bf..d4fd87b6a 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ 1. Изаберите дугме **Add** да бисте креирали камеру. - ![Подешавања камере](../../../../../translated_images/sr/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Подешавања камере](../../../../../translated_images/sr/counterfit-create-camera.a5de97f59c0bd3cb.webp) Камера ће бити креирана и појавиће се на листи сензора. - ![Креирана камера](../../../../../translated_images/sr/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Креирана камера](../../../../../translated_images/sr/counterfit-camera.001ec52194c8ee5d.webp) ## Програмирање камере @@ -103,7 +103,7 @@ 1. Конфигуришите слику коју ће камера у CounterFit-у снимати. Можете подесити *Source* на *File*, затим отпремити слику, или подесити *Source* на *WebCam*, и слике ће се снимати са ваше веб камере. Уверите се да сте изабрали дугме **Set** након што изаберете слику или веб камеру. - ![CounterFit са фајлом подешеним као извор слике и веб камером која приказује особу која држи банану у прегледу веб камере](../../../../../translated_images/sr/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit са фајлом подешеним као извор слике и веб камером која приказује особу која држи банану у прегледу веб камере](../../../../../translated_images/sr/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Слика ће бити снимљена и сачувана као `image.jpg` у тренутној фасцикли. Видећете овај фајл у VS Code експлореру. Изаберите фајл да бисте видели слику. Ако је потребно ротирање, ажурирајте линију `camera.rotation = 0` како је потребно и снимите нову слику. diff --git a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 250a97c67..8cfd8e0be 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam нема Grove утичницу, већ се повезује на SPI Повежите камеру. -![Сензор ArduCam](../../../../../translated_images/sr/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Сензор ArduCam](../../../../../translated_images/sr/arducam.20e4e4cbb2682965.webp) 1. Пинови на дну ArduCam-а треба да буду повезани на GPIO пинове на Wio Terminal-у. Да бисте лакше пронашли одговарајуће пинове, залепите налепницу са GPIO пиновима која долази уз Wio Terminal око пинова: @@ -35,7 +35,7 @@ ArduCam нема Grove утичницу, већ се повезује на SPI | SDA | 3 (I2C1_SDA) | I²C Серијски подаци | | SCL | 5 (I2C1_SCL) | I²C Серијски сат | - ![Wio Terminal повезан са ArduCam-ом помоћу жица](../../../../../translated_images/sr/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal повезан са ArduCam-ом помоћу жица](../../../../../translated_images/sr/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) GND и VCC везе обезбеђују напајање од 5V за ArduCam. Камера ради на 5V, за разлику од Grove сензора који раде на 3V. Ово напајање долази директно из USB-C конекције која напаја уређај. @@ -456,7 +456,7 @@ Wio Terminal подржава само microSD картице до 16GB. Ако 1. Искључите microSD картицу и извадите је тако што ћете је благо гурнути и пустити, након чега ће искочити. Можда ћете морати да користите танак алат за ово. Уметните microSD картицу у ваш рачунар да бисте прегледали слике. - ![Слика банане снимљена помоћу ArduCam-а](../../../../../translated_images/sr/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Слика банане снимљена помоћу ArduCam-а](../../../../../translated_images/sr/banana-arducam.be1b32d4267a8194.webp) 💁 Може бити потребно неколико слика да би се бела равнотежа камере прилагодила. Приметићете ово на основу боје снимљених слика, прве неколико могу изгледати у погрешној боји. Увек можете заобићи ово тако што ћете променити код да снимите неколико слика које се игноришу у функцији `setup`. diff --git a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index fd96cc6e0..4c41d27b2 100644 --- a/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/sr/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Моћи ћете да видите слику која је снимљена и ове вредности у картици **Predictions** у Custom Vision-у. - ![Банана у Custom Vision-у предвиђена као зрела са 56.8% и незрела са 43.1%](../../../../../translated_images/sr/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Банана у Custom Vision-у предвиђена као зрела са 56.8% и незрела са 43.1%](../../../../../translated_images/sr/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Овај код можете пронаћи у фасцикли [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/sr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/sr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 160eea93d..862d2ddc5 100644 --- a/translations/sr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/sr/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Покрените детектор воћа на ивици -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-17.bc333c3c35ba8e42.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -33,11 +33,11 @@ Edge computing подразумева коришћење рачунара који обрађују IoT податке што је ближе могуће месту где се ти подаци генеришу. Уместо да се ова обрада врши у cloud-у, она се премешта на ивицу cloud-а - вашу интерну мрежу. -![Дијаграм архитектуре који приказује интернет услуге у cloud-у и IoT уређаје на локалној мрежи](../../../../../translated_images/sr/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Дијаграм архитектуре који приказује интернет услуге у cloud-у и IoT уређаје на локалној мрежи](../../../../../translated_images/sr/cloud-without-edge.b4da641f6022c95e.webp) До сада сте имали уређаје који прикупљају податке и шаљу их у cloud ради анализе, покрећући serverless функције или AI моделе у cloud-у. -![Дијаграм архитектуре који приказује IoT уређаје на локалној мрежи који се повезују са edge уређајима, а ти edge уређаји се повезују са cloud-ом](../../../../../translated_images/sr/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Дијаграм архитектуре који приказује IoT уређаје на локалној мрежи који се повезују са edge уређајима, а ти edge уређаји се повезују са cloud-ом](../../../../../translated_images/sr/cloud-with-edge.1e26462c62c126fe.webp) Edge computing подразумева премештање неких cloud услуга са cloud-а на рачунаре који раде на истој мрежи као и IoT уређаји, комуницирајући са cloud-ом само ако је потребно. На пример, можете покренути AI моделе на edge уређајима за анализу зрелости воћа и само слати аналитичке податке назад у cloud, као што је број зрелих комада воћа у односу на незреле. @@ -85,7 +85,7 @@ Edge computing подразумева премештање неких cloud ус ## Azure IoT Edge -![Azure IoT Edge лого](../../../../../translated_images/sr/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Azure IoT Edge лого](../../../../../translated_images/sr/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge је услуга која вам може помоћи да преместите радне оптерећења из cloud-а на ивицу. Постављате уређај као edge уређај, а из cloud-а можете применити код на тај edge уређај. Ово вам омогућава да комбинујете могућности cloud-а и ивице. @@ -99,7 +99,7 @@ IoT Edge је уграђен у IoT Hub, тако да можете управљ IoT Edge покреће код из *контејнера* - самосталних апликација које се покрећу изоловано од осталих апликација на вашем рачунару. Када покренете контејнер, он се понаша као засебан рачунар који ради унутар вашег рачунара, са сопственим софтвером, услугама и апликацијама. Већину времена контејнери не могу приступити ничему на вашем рачунару осим ако не одлучите да делите нешто, као што је фасцикла, са контејнером. Контејнер затим излаже услуге преко отвореног порта на који можете да се повежете или да га изложите вашој мрежи. -![Веб захтев преусмерен на контејнер](../../../../../translated_images/sr/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Веб захтев преусмерен на контејнер](../../../../../translated_images/sr/container-web-browser.4ee81dd4f0d8838c.webp) На пример, можете имати контејнер са веб сајтом који ради на порту 80, подразумеваном HTTP порту, и можете га затим изложити са вашег рачунара такође на порту 80. @@ -191,11 +191,11 @@ IoT Edge покреће код из *контејнера* - самосталн ## Припрема контејнера за распоређивање -![Контејнери се граде, затим постављају у регистар контејнера, а потом се распоређују са регистра контејнера на edge уређај користећи IoT Edge](../../../../../translated_images/sr/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Контејнери се граде, затим постављају у регистар контејнера, а потом се распоређују са регистра контејнера на edge уређај користећи IoT Edge](../../../../../translated_images/sr/container-edge-flow.c246050dd60ceefd.webp) Када преузмете свој модел, потребно је да га изградите у контејнер, а затим поставите у регистар контејнера - онлајн локацију где можете чувати контејнере. IoT Edge затим може преузети контејнер из регистра и поставити га на ваш уређај. -![Лого Azure Container Registry](../../../../../translated_images/sr/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Лого Azure Container Registry](../../../../../translated_images/sr/azure-container-registry-logo.09494206991d4b29.webp) Регистар контејнера који ћете користити за ову лекцију је Azure Container Registry. Ова услуга није бесплатна, па да бисте уштедели новац, уверите се да [очистите свој пројекат](../../../clean-up.md) када завршите. diff --git a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index bb57731bf..c1b7a9176 100644 --- a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Покретање детекције квалитета воћа помоћу сензора -![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Преглед лекције у облику скице](../../../../../translated_images/sr/lesson-18.92c32ed1d354caa5.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -39,7 +39,7 @@ IoT апликације могу се описати као *ствари* (у ### Референтна IoT архитектура -![Референтна IoT архитектура](../../../../../translated_images/sr/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Референтна IoT архитектура](../../../../../translated_images/sr/iot-reference-architecture.2278b98b55c6d4e8.webp) Горњи дијаграм приказује референтну IoT архитектуру. @@ -49,7 +49,7 @@ IoT апликације могу се описати као *ствари* (у * **Увиди** долазе из serverless апликација или из аналитике која се изводи на складиштеним подацима. * **Акције** могу бити команде послате уређајима или визуализација података која омогућава људима да доносе одлуке. -![Референтна IoT архитектура](../../../../../translated_images/sr/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Референтна IoT архитектура](../../../../../translated_images/sr/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Горњи дијаграм приказује неке од компоненти и услуга које су обрађене у овим лекцијама и како се повезују у референтној IoT архитектури. @@ -89,7 +89,7 @@ IoT апликације могу се описати као *ствари* (у ### Прототипирање апликације -![Референтна IoT архитектура за проверу квалитета воћа](../../../../../translated_images/sr/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Референтна IoT архитектура за проверу квалитета воћа](../../../../../translated_images/sr/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Горњи дијаграм приказује референтну архитектуру за ову прототип апликацију. @@ -124,7 +124,7 @@ IoT уређају је потребан неки вид покретача ко Прототип детектора воћа има више компоненти које међусобно комуницирају. -![Компоненте које међусобно комуницирају](../../../../../translated_images/sr/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Компоненте које међусобно комуницирају](../../../../../translated_images/sr/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Сензор близине који мери удаљеност до комада воћа и шаље то у IoT Hub * Команда за контролу камере која долази из IoT Hub-а до уређаја са камером diff --git a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 4d0c39369..320b60db5 100644 --- a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Grove сензор удаљености може се повезати са Rasp Повежите сензор удаљености. -![Grove сензор удаљености](../../../../../translated_images/sr/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove сензор удаљености](../../../../../translated_images/sr/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Уметните један крај Grove кабла у прикључак на сензору удаљености. Кабл ће ући само на један начин. diff --git a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index ece6f6f61..a601b676a 100644 --- a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ 1. Изаберите дугме **Add** да бисте креирали сензор растојања. - ![Подешавања сензора растојања](../../../../../translated_images/sr/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Подешавања сензора растојања](../../../../../translated_images/sr/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Сензор растојања ће бити креиран и појавиће се на листи сензора. - ![Креирани сензор растојања](../../../../../translated_images/sr/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Креирани сензор растојања](../../../../../translated_images/sr/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Програмирање сензора растојања diff --git a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index f4c4d309a..34bcd3cf1 100644 --- a/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/sr/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove Time of Flight сензор може се повезати са Wio Termin Повежите Time of Flight сензор. -![Grove Time of Flight сензор](../../../../../translated_images/sr/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove Time of Flight сензор](../../../../../translated_images/sr/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Уметните један крај Grove кабла у прикључак на Time of Flight сензору. Кабл ће ући само у једном смеру. diff --git a/translations/sr/5-retail/lessons/1-train-stock-detector/README.md b/translations/sr/5-retail/lessons/1-train-stock-detector/README.md index 1f7d5c659..075253ea9 100644 --- a/translations/sr/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/sr/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Направите детектор залиха -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-19.cf6973cecadf080c.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -36,7 +36,7 @@ Класификација слика подразумева класификацију целе слике - које су вероватноће да цела слика одговара свакој ознаци. Добијате вероватноће за сваку ознаку која је коришћена за обуку модела. -![Класификација слика за кашу и парадајз пасту](../../../../../translated_images/sr/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Класификација слика за кашу и парадајз пасту](../../../../../translated_images/sr/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) У горњем примеру, две слике су класификоване помоћу модела обученог да класификује паковања каше или конзерве парадајз пасте. Прва слика је паковање каше и има два резултата од класификатора слика: @@ -60,7 +60,7 @@ > 🎓 *Оквири* су кутије око објекта. -![Детекција објеката за кашу и парадајз пасту](../../../../../translated_images/sr/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Детекција објеката за кашу и парадајз пасту](../../../../../translated_images/sr/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Горња слика садржи и паковање каше и три конзерве парадајз пасте. Детектор објеката је детектовао кашу, враћајући оквир који садржи кашу са процентуалном вероватноћом да оквир садржи објекат, у овом случају 97.6%. Детектор објеката је такође детектовао три конзерве парадајз пасте и пружа три одвојена оквира, по један за сваку детектовану конзерву, а сваки има процентуалну вероватноћу да оквир садржи конзерву парадајз пасте. @@ -111,7 +111,7 @@ Када креирате свој пројекат, уверите се да користите `stock-detector-training` ресурс који сте раније креирали. Користите тип пројекта *Object Detection* и домен *Products on Shelves*. - ![Подешавања за Custom Vision пројекат са именом постављеним на fruit-quality-detector, без описа, ресурс постављен на fruit-quality-detector-training, тип пројекта постављен на класификацију, типови класификације постављени на мулти-класу и домени постављени на храну](../../../../../translated_images/sr/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Подешавања за Custom Vision пројекат са именом постављеним на fruit-quality-detector, без описа, ресурс постављен на fruit-quality-detector-training, тип пројекта постављен на класификацију, типови класификације постављени на мулти-класу и домени постављени на храну](../../../../../translated_images/sr/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Домен *Products on Shelves* је посебно намењен за детекцију залиха на полицама продавница. Прочитајте више о различитим доменима у [документацији о избору домена на 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. Пратите [секцију "Отпремање и означавање слика" у брзом старту за изградњу детектора објеката на Microsoft документацији](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) да бисте отпремили своје слике за обуку. Креирајте релевантне ознаке у зависности од типова објеката које желите да детектујете. - ![Дијалози за отпремање који приказују отпремање слика зрелих и незрелих банана](../../../../../translated_images/sr/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Дијалози за отпремање који приказују отпремање слика зрелих и незрелих банана](../../../../../translated_images/sr/image-upload-object-detector.77c7892c3093cb59.webp) Када цртате оквире за објекте, држите их лепо и чврсто око објекта. Може потрајати неко време да се означе све слике, али алат ће детектовати оно што мисли да су оквири, чинећи процес бржим. - ![Означавање парадајз пасте](../../../../../translated_images/sr/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Означавање парадајз пасте](../../../../../translated_images/sr/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ако имате више од 15 слика за сваки објекат, можете обучити након 15, а затим користити функцију **Предложене ознаке**. Ово ће користити обучени модел за детекцију објеката на неозначеним сликама. Затим можете потврдити детектоване објекте или одбити и поново нацртати оквире. Ово може уштедети *пуно* времена. @@ -155,7 +155,7 @@ 1. Користите дугме **Брзи тест** да отпремите тестне слике и проверите да ли су објекти детектовани. Користите тестне слике које сте раније креирали, а не било коју од слика које сте користили за обуку. - ![3 конзерве парадајз пасте детектоване са вероватноћама од 38%, 35.5% и 34.6%](../../../../../translated_images/sr/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 конзерве парадајз пасте детектоване са вероватноћама од 38%, 35.5% и 34.6%](../../../../../translated_images/sr/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Испробајте све тестне слике које имате и посмат [Квиз након предавања](https://black-meadow-040d15503.1.azurestaticapps.net/quiz/38) diff --git a/translations/sr/5-retail/lessons/2-check-stock-device/README.md b/translations/sr/5-retail/lessons/2-check-stock-device/README.md index ac3f2d55c..96ebff8fe 100644 --- a/translations/sr/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/sr/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Провера залиха са IoT уређаја -![Илустрација прегледа ове лекције](../../../../../translated_images/sr/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Илустрација прегледа ове лекције](../../../../../translated_images/sr/lesson-20.0211df9551a8abb3.webp) > Илустрација од [Нитије Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -62,7 +62,7 @@ 1. Кликните на дугме **Publish** за итерацију. - ![Дугме за објављивање](../../../../../translated_images/sr/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Дугме за објављивање](../../../../../translated_images/sr/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. У дијалогу *Publish Model*, подесите *Prediction resource* на ресурс `stock-detector-prediction` који сте креирали у претходној лекцији. Оставите име као `Iteration2` и кликните на дугме **Publish**. @@ -76,7 +76,7 @@ Такође копирајте вредност *Prediction-Key*. Ово је сигуран кључ који морате проследити када позивате модел. Само апликације које проследе овај кључ могу користити модел, све друге апликације ће бити одбијене. - ![Дијалог Prediction API-а који приказује URL и кључ](../../../../../translated_images/sr/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Дијалог Prediction API-а који приказује URL и кључ](../../../../../translated_images/sr/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Када се објави нова итерација, имаће другачије име. Како мислите да бисте променили итерацију коју IoT уређај користи? @@ -95,7 +95,7 @@ Резултати предвиђања у картици **Predictions** у Custom Vision-у имају ограничујуће кутије нацртане на слици која је послата за предвиђање. -![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca341.webp) На слици изнад, детектоване су 4 конзерве парадајз пасте. У резултатима је црвени квадрат преко сваког детектованог објекта на слици, што указује на ограничујућу кутију за слику. @@ -103,7 +103,7 @@ Ограничујуће кутије су дефинисане са 4 вредности - горња, лева, висина и ширина. Ове вредности су на скали од 0-1, што представља позиције као проценат величине слике. Почетак (позиција 0,0) је горњи леви угао слике, тако да је горња вредност удаљеност од врха, а доњи део ограничујуће кутије је горња вредност плус висина. -![Ограничујућа кутија око конзерве парадајз пасте](../../../../../translated_images/sr/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Ограничујућа кутија око конзерве парадајз пасте](../../../../../translated_images/sr/bounding-box.1420a7ea0d3d15f7.webp) Слика изнад је широка 600 пиксела и висока 800 пиксела. Ограничујућа кутија почиње на 320 пиксела од врха, што даје горњу координату од 0.4 (800 x 0.4 = 320). Са леве стране, кутија почиње на 240 пиксела, што даје леву координату од 0.4 (600 x 0.4 = 240). Висина кутије је 240 пиксела, што даје вредност висине од 0.3 (800 x 0.3 = 240). Ширина кутије је 120 пиксела, што даје вредност ширине од 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Можете користити ограничујуће кутије у комбинацији са вероватноћама да процените колико је детекција тачна. На пример, детектор објеката може детектовати више објеката који се преклапају, на пример детектујући једну конзерву унутар друге. Ваш код може погледати ограничујуће кутије, разумети да је то немогуће, и игнорисати све објекте који се значајно преклапају са другим објектима. -![Две ограничујуће кутије које се преклапају око конзерве парадајз пасте](../../../../../translated_images/sr/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Две ограничујуће кутије које се преклапају око конзерве парадајз пасте](../../../../../translated_images/sr/overlap-object-detection.d431e03cae75072a.webp) У примеру изнад, једна ограничујућа кутија указује на предвиђену конзерву парадајз пасте са 78.3%. Друга ограничујућа кутија је нешто мања и налази се унутар прве са вероватноћом од 64.3%. Ваш код може проверити ограничујуће кутије, видети да се потпуно преклапају, и игнорисати нижу вероватноћу јер је немогуће да једна конзерва буде унутар друге. diff --git a/translations/sr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/sr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 5d58dce24..d1a3d7394 100644 --- a/translations/sr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/sr/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Моћи ћете да видите слику која је снимљена и ове вредности у картици **Predictions** у Custom Vision. - ![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Овај код можете пронаћи у фасцикли [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/sr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/sr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 3c0c5fbe6..3a0337e3f 100644 --- a/translations/sr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/sr/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Моћи ћете да видите слику која је снимљена, као и ове вредности у **Predictions** картици у Custom Vision. - ![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 конзерве парадајз пасте на полици са предвиђањима за 4 детекције од 35.8%, 33.5%, 25.7% и 16.6%](../../../../../translated_images/sr/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Овај код можете пронаћи у [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) фасцикли. diff --git a/translations/sr/6-consumer/lessons/1-speech-recognition/README.md b/translations/sr/6-consumer/lessons/1-speech-recognition/README.md index 9b71b6966..22b63b52e 100644 --- a/translations/sr/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/sr/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Препознавање говора са IoT уређајем -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-21.e34de51354d6606f.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -51,7 +51,7 @@ Динамички микрофони не захтевају напајање за рад, електрични сигнал се у потпуности ствара из микрофона. - ![Пети Смит пева у Shure SM58 (динамички кардиоидни тип) микрофон](../../../../../translated_images/sr/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Пети Смит пева у Shure SM58 (динамички кардиоидни тип) микрофон](../../../../../translated_images/sr/dynamic-mic.8babac890a2d80df.webp) * Тракасти - Тракасти микрофони су слични динамичким микрофонима, осим што имају металну траку уместо дијафрагме. Ова трака се помера у магнетном пољу стварајући електричну струју. Као и динамички микрофони, тракасти микрофони не захтевају напајање за рад. @@ -59,11 +59,11 @@ * Кондензаторски - Кондензаторски микрофони имају танку металну дијафрагму и фиксну металну задњу плочу. Електрична енергија се примењује на обе и како дијафрагма вибрира, статички набој између плоча се мења, генеришући сигнал. Кондензаторски микрофони захтевају напајање за рад - названо *Phantom power*. - ![C451B кондензаторски микрофон мале дијафрагме од AKG Acoustics](../../../../../translated_images/sr/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B кондензаторски микрофон мале дијафрагме од AKG Acoustics](../../../../../translated_images/sr/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - Микроелектромеханички системи микрофони, или MEMS, су микрофони на чипу. Имају дијафрагму осетљиву на притисак угравирану на силиконски чип и раде слично као кондензаторски микрофони. Ови микрофони могу бити веома мали и интегрисани у електронске кола. - ![MEMS микрофон на плочи са колима](../../../../../translated_images/sr/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS микрофон на плочи са колима](../../../../../translated_images/sr/mems-microphone.80574019e1f5e4d9.webp) На слици изнад, чип означен **LEFT** је MEMS микрофон, са малом дијафрагмом мањом од једног милиметра. @@ -159,7 +159,7 @@ ## Претварање говора у текст -![Лого услуга за говор](../../../../../translated_images/sr/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Лого услуга за говор](../../../../../translated_images/sr/azure-speech-logo.a1f08c4befb0159f.webp) Као и код класификације слика у ранијем пројекту, постоје унапред изграђене AI услуге које могу узети говор као аудио датотеку и претворити га у текст. Једна од таквих услуга је Услуга за говор, део Cognitive Services, унапред изграђених AI услуга које можете користити у својим апликацијама. diff --git a/translations/sr/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/sr/6-consumer/lessons/1-speech-recognition/pi-audio.md index eb984dcb9..6347f483a 100644 --- a/translations/sr/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/sr/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Raspberry Pi захтева дугме за контролу снимања зв #### Задатак - повежите дугме -![Grove дугме](../../../../../translated_images/sr/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Grove дугме](../../../../../translated_images/sr/grove-button.a70cfbb809a85636.webp) 1. Уметните један крај Grove кабла у утичницу на модулу дугмета. Кабл ће ући само у једном смеру. 1. Са искљученим Raspberry Pi уређајем, повежите други крај Grove кабла у дигиталну утичницу означену са **D5** на Grove базном HAT-у који је повезан са Pi уређајем. Ова утичница је друга с лева, у реду утичница поред GPIO пинова. -![Grove дугме повезано на утичницу D5](../../../../../translated_images/sr/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove дугме повезано на утичницу D5](../../../../../translated_images/sr/pi-button.c7a1a4f55943341c.webp) ## Снимање звука diff --git a/translations/sr/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/sr/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 6f2d29c8a..3721db5a3 100644 --- a/translations/sr/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/sr/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Raspberry Pi има 3.5мм прикључак за слушалице. Може 1. Ако користите ReSpeaker 2-Mics Pi HAT, можете уклонити Grove базни HAT, а затим поставити ReSpeaker HAT на његово место. - ![Raspberry Pi са ReSpeaker HAT-ом](../../../../../translated_images/sr/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi са ReSpeaker HAT-ом](../../../../../translated_images/sr/pi-respeaker-hat.f00fabe7dd039a93.webp) Биће вам потребно дугме Grove касније у овој лекцији, али једно је уграђено у овај HAT, тако да Grove базни HAT није потребан. diff --git a/translations/sr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/sr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 270079b6b..e4120954b 100644 --- a/translations/sr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/sr/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ ✅ Прочитајте више о DMA на [страници о директном приступу меморији на Википедији](https://wikipedia.org/wiki/Direct_memory_access). -![Звук са микрофона иде у ADC, затим у DMAC. Ово се уписује у један бафер. Када се овај бафер напуни, он се обрађује, а DMAC уписује у други бафер](../../../../../translated_images/sr/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Звук са микрофона иде у ADC, затим у DMAC. Ово се уписује у један бафер. Када се овај бафер напуни, он се обрађује, а DMAC уписује у други бафер](../../../../../translated_images/sr/dmac-adc-buffers.4509aee49145c90b.webp) DMAC може снимати звук са ADC-а у фиксним интервалима, као што је 16.000 пута у секунди за звук од 16KHz. Може уписивати ове снимљене податке у унапред алоцирани меморијски бафер, а када се он напуни, учинити га доступним вашем коду за обраду. Коришћење ове меморије може одложити снимање звука, али можете подесити више бафера. DMAC уписује у бафер 1, а када се он напуни, обавештава ваш код да обради бафер 1, док DMAC уписује у бафер 2. Када се бафер 2 напуни, обавештава ваш код и враћа се на уписивање у бафер 1. На тај начин, све док обрађујете сваки бафер у времену краћем од оног које је потребно да се један напуни, нећете изгубити ниједан податак. diff --git a/translations/sr/6-consumer/lessons/2-language-understanding/README.md b/translations/sr/6-consumer/lessons/2-language-understanding/README.md index a5d4a56c1..47e2010d6 100644 --- a/translations/sr/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/sr/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Разумевање језика -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-22.6148ea28500d9e00.webp) > Скица коју је направила [Нитија Нарасимхан](https://github.com/nitya). Кликните на слику за већу верзију. @@ -46,7 +46,7 @@ ## Креирање модела за разумевање језика -![Лого LUIS-а](../../../../../translated_images/sr/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Лого LUIS-а](../../../../../translated_images/sr/luis-logo.5cb4f3e88c020ee6.webp) Моделе за разумевање језика можете креирати користећи LUIS, услугу за разумевање језика компаније Microsoft која је део Cognitive Services. @@ -169,7 +169,7 @@ 1. Како уносите сваки пример, LUIS ће почети да детектује ентитете и подвлачиће и означавати све које пронађе. - ![Примери са бројевима и јединицама времена подвученим од стране LUIS-а](../../../../../translated_images/sr/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Примери са бројевима и јединицама времена подвученим од стране LUIS-а](../../../../../translated_images/sr/luis-intent-examples.25716580b2d2723c.webp) ### Задатак - обука и тестирање модела diff --git a/translations/sr/6-consumer/lessons/3-spoken-feedback/README.md b/translations/sr/6-consumer/lessons/3-spoken-feedback/README.md index cb53b9d27..7455a8ab7 100644 --- a/translations/sr/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/sr/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Поставите тајмер и пружите усмене повратне информације -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-23.f38483e1d4df4828.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. diff --git a/translations/sr/6-consumer/lessons/4-multiple-language-support/README.md b/translations/sr/6-consumer/lessons/4-multiple-language-support/README.md index 591973c89..a7a664341 100644 --- a/translations/sr/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/sr/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Подршка за више језика -![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Преглед лекције у виду скице](../../../../../translated_images/sr/lesson-24.4246968ed058510a.webp) > Скица од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. @@ -74,7 +74,7 @@ ### Cognitive Services Speech Service -![Лого услуге за говор](../../../../../translated_images/sr/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Лого услуге за говор](../../../../../translated_images/sr/azure-speech-logo.a1f08c4befb0159f.webp) Услуга за говор коју сте користили у претходним лекцијама има могућности превођења за препознавање говора. Када препознајете говор, можете затражити не само текст говора на истом језику, већ и на другим језицима. @@ -82,7 +82,7 @@ ### Cognitive Services Translator Service -![Лого услуге за превођење](../../../../../translated_images/sr/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Лого услуге за превођење](../../../../../translated_images/sr/azure-translator-logo.c6ed3a4a433edfd2.webp) Услуга Translator је посебна услуга за превођење која може преводити текст са једног језика на један или више циљних језика. Поред превођења, подржава широк спектар додатних функција, укључујући маскирање вулгарности. Такође вам омогућава да обезбедите одређени превод за одређену реч или реченицу, како бисте радили са терминима које не желите да преводите или имате одређени, добро познати превод. diff --git a/translations/sr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/sr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index c056161bc..c25d3d0b1 100644 --- a/translations/sr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/sr/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API услуге говора не подржава директне пре > > На пример, ако сте тренирали LUIS на енглеском, али желите да користите француски као језик корисника, можете превести реченице попут "set a 2 minute and 27 second timer" са енглеског на француски користећи Bing Translate, а затим користити дугме **Listen translation** да изговорите превод у ваш микрофон. > - > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a9.webp) 1. Додајте API кључ преводиоца испод `speech_api_key`: diff --git a/translations/sr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/sr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 7d0bf35f8..e1bdf2523 100644 --- a/translations/sr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/sr/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ > > На пример, ако тренирате LUIS на енглеском, али желите да користите француски као језик корисника, можете превести реченице као што је "подеси тајмер на 2 минута и 27 секунди" са енглеског на француски користећи Bing Translate, а затим користити дугме **Listen translation** да изговорите превод у ваш микрофон. > - > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a9.webp) 1. Замените декларације `recognizer_config` и `recognizer` следећим: diff --git a/translations/sr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/sr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index b246932d9..78f7a84b3 100644 --- a/translations/sr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/sr/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API услуге говора не подржава директне пре > > На пример, ако тренирате LUIS на енглеском, али желите да користите француски као језик корисника, можете превести реченице попут "set a 2 minute and 27 second timer" са енглеског на француски користећи Bing Translate, а затим користити дугме **Listen translation** да изговорите превод у свој микрофон. > - > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Дугме за слушање превода на Bing Translate](../../../../../translated_images/sr/bing-translate.348aa796d6efe2a9.webp) 1. Додајте API кључ и локацију услуге преводиоца испод `SPEECH_LOCATION`: diff --git a/translations/sr/README.md b/translations/sr/README.md index ebe1eb3f6..04e5cea24 100644 --- a/translations/sr/README.md +++ b/translations/sr/README.md @@ -10,142 +10,152 @@ ### Придружите се Azure AI Foundry заједници -Ако запнете или имате питања о изради AI апликација. Придружите се другим ученицима и искусним програмерима у дискусијама о MCP-у. То је подршка заједница у којој су питања добродошла и знање се слободно дели. +Ако запнете или имате било каквих питања о прављењу AI апликација. Придружите се колегама који уче и искусним програмерима у дискусијама о MCP-у. То је подржавајућа заједница у којој су питања добродошла и знање се слободно дели. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ако имате повратне информације о производу или грешке док градите, посетите: +Ако имате повратне информације о производу или грешке током изградње посетите: [![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) -Пратите ове кораке да бисте почели да користите ове ресурсе: -1. **Форкнућeте репозиторијум**: Кликните [![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. **Клонирање репозиторијума**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +Пратите ове кораке да бисте почели да користите овај ресурс: +1. **Направите форк репозиторијума**: Кликните [![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. **Клонирајте репозиторијум**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` 3. [**Придружите се Microsot Foundry Discord-у и упознајте експерте и друге програмере**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Подршка за више језика -#### Подржано преко GitHub Action (аутоматски и увек ажурирано) +#### Подржано преко GitHub Action (аутоматизовано и увек ажурирано) -[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](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](./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](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](./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) -> **Преферирате локално клонирање?** - -> Овај репозиторијум укључује преко 50 превода што значајно повећава величину преузимања. Да бисте клонирали без превода, користите sparse checkout: +> **Волите да клонирате локално?** +> +> Овај репозиторијум укључује више од 50 превода на језике, што знатно повећава величину преузимања. Да бисте клонирали без превода, користите 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' > ``` -> Ово вам даје све што вам је потребно за завршетак курса уз много брже преузимање. +> +> **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" +> ``` +> +> Ово вам даје све што вам је потребно да завршите курс са знатно бржим преузимањем. -# IoT за почетнике - Наставни план +# IoT за почетнике - Наставни програм -Azure Cloud Advocates у Microsoft-у са задовољством нуде 12-недељни, 24-лекције наставни план који уводи у основе IoT. Свакa лекцијa укључује пред- и пост-лекцијске квизове, писане инструкције за завршетак лекције, решење, задатак и још много тога. Наша педагогија заснована на пројектима омогућава вам учење током изградње, доказан начин да се нове вештине „задрже“. +Azure Cloud заговорници у Microsoft-у са задовољством нуде 12-недељни, 24-леkcија наставни програм све о основама IoT-а. Свако предавање садржи квизове пре и после лекције, писане инструкције за довршење лекције, решење, задатак и још много тога. Наша педагогија заснована на пројектима омогућава вам да учите правећи, доказани начин да нове вештине остану. -Пројекти прате пут хране од фарме до стола. Ово укључује фармерство, логистику, производство, малопродају и потрошача – све популарне индустријске области за IoT уређаје. +Пројекти покривају пут хране од фарме до стола. То укључује пољопривреду, логистику, производњу, малопродају и потрошача - све популарне индустријске области за IoT уређаје. -![Мапа пута курса која приказује 24 лекције које покривају увод, фармерство, транспорт, прераду, малопродају и кување](../../translated_images/sr/Roadmap.bb1dec285dda0eda.webp) +![Путоказ курса који приказује 24 лекције које покривају увод, фармерство, транспорт, прераду, малопродају и кување](../../translated_images/sr/Roadmap.bb1dec285dda0eda.webp) -> Скетчнот од [Nitya Narasimhan](https://github.com/nitya). Кликните слику за већу верзију. +> Sketchnote од [Nitya Narasimhan](https://github.com/nitya). Кликните на слику за већу верзију. -**Срдачна захвалност нашим ауторима [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) и нашем уметнику скетчнота [Nitya Narasimhan](https://github.com/nitya).** +**Велика хвала нашим ауторима [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), и нашем цртачу скетчнота [Nitya Narasimhan](https://github.com/nitya).** -**Хвала и нашем тиму [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) који су ревидирали и преводили овај наставни план – [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/).** +**Хвала и нашем тиму [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) који су рецензирали и преводили овај наставни програм - [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), and [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Упознајте тим! [![Promo video](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -**Гиф од** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif од** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Кликните горњу слику за видео о пројекту! +> 🎥 Кликните на горњу слику за видео о пројекту! -> **Наставници**, укључили смо [неке предлоге](for-teachers.md) како да користите овај наставни план. Ако желите да креирате своје лекције, имамо и [шаблон лекције](lesson-template/README.md). +> **Наставници**, укључили смо неке предлоге [укључујући како користити овај наставни програм](for-teachers.md). Ако желите да креирате своје лекције, укључили смо и [темплејт лекције](lesson-template/README.md). -> **[Студенти](https://aka.ms/student-page)**, да бисте сами користили овај наставни план, форкните цео репо и сами завршите вежбе, почињући са предавањем и квизом пре, читањем предавања и решавањем осталих активности. Покушајте да направите пројекте разумевањем лекција уместо копирањем кода решења; међутим, тај код је доступан у фолдерима /solutions у свакој лекцији оријентисаној ка пројекту. Друга идеја је да формирате студијску групу са пријатељима и заједно пролазите кроз садржај. За даље учење препоручујемо [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **[Студенти](https://aka.ms/student-page)**, да бисте користили овај наставни програм сами, направите форк целог репозиторијума и сами завршите вежбе, почевши са квизом пре предавања, затим читањем предавања и обављањем остатка активности. Покушајте да правите пројекте схватајући лекције уместо да копирате код решења; ипак, тај код је доступан у фолдерима /solutions у свакој лекцији оријентисаној ка пројекту. Друга идеја је да формирате студијску групу са пријатељима и заједно прођете кроз материјал. За додатно учење препоручујемо [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). За видео преглед овог курса, погледајте овај видео: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") -> 🎥 Кликните горњу слику за видео о пројекту! +> 🎥 Кликните на горњу слику за видео о пројекту! ## Педагогија -Изабрали смо два педагошка принципа приликом креирања овог наставног плана: осигурати да је заснован на пројектима и да укључује чести квизове. На крају ове серије, студенти ће израдити систем за надгледање и заливање биљака, пратиоца возила, паметну фабрику за праћење и проверу хране и тајмер за кување којим се управља гласом, и научиће основе Интернета ствари, укључујући како писати код за уређаје, повезати се са облаком, анализирати телеметрију и покретати AI на ивици. +Изабрали смо два педагошка начела при изградњи овог наставног програма: обезбедити да је заснован на пројектима и да укључује честе квизове. До краја серије, студенти ће направити систем за праћење и заливање биљака, уређај за праћење возила, паметну фабрику за праћење и проверу хране и тајмер за кување који се управља гласом, и научиће основе Интернета ствари укључујући како написати код уређаја, повезати се на облак, анализирати телеметрију и покренути AI на ивици. -Осигуравањем да садржај буде усклађен са пројектима, процес је занимљивији за студенте и унапређује задржавање појмова. +Обезбеђивањем да садржај буде усаглашен са пројектима, процес учења постаје занимљивији за студенте и повећава задржавање концепата. -Поред тога, квиз с мало улога пре часова усмерава намере студента ка учењу теме, док други квиз после часа осигурава додатно задржавање. Овај наставни план је дизајниран да буде флексибилан и забаван и може се преузети у целини или делимично. Пројекти почињу мало и постају све сложенији до краја циклуса од 12 недеља. +Поред тога, квиз са малим улогом пре часа усмерава студенте на учење теме, док други квиз након часа обезбеђује додатну задржаност. Овај наставни програм је дизајниран да буде флексибилан и забаван и може се пратити целокупно или делимично. Пројекти почињу мали и постепено постају све сложенији до краја 12 недеља. -Сваки пројекат заснован је на стварном хардверу доступном студентима и хобистима. Сваки пројекат разматра одређену домену пројекта, пружајући релевантна позадинска знања. Да би био успешан програмер, корисно је разумети домен у коме решавате проблеме, јер пружање овог позадинског знања омогућава студентима да размишљају о својим IoT решењима и учењима у контексту врсте стварног проблема који би их као IoT програмере могао затећи. Студенти уче 'зашто' решења која граде и стичу вредновање крајњег корисника. +Сваки пројекат је базиран на стварном хардверу доступном студентима и хобистима. Сваки пројекат посматра одређену област пројекта, пружајући релевантно позадинско знање. Да бисте били успешан програмер, помаже разумевање домена у којем решавате проблеме, а пружање овог позадинског знања омогућава студентима да размишљају о својим IoT решењима и учењима у контексту врсте стварног проблема који би могли бити замољени да реше као IoT програмер. Студенти уче „зашто“ решења која праве и стичу увида у крајњег корисника. ## Хардвер +Имамо два избора IoT хардвера за коришћење у пројектима у зависности од личних преференција, знања програмирања, циљева учења и доступности. Такође смо обезбедили верзију „виртуелног хардвера“ за оне који немају приступ хардверу или желе да науче више пре него што се одлуче за куповину. Више информација и „списак за куповину“ можете пронаћи на [страници о хардверу](./hardware.md), укључујући и линкове за куповину комплетних сетова од наших пријатеља из Seeed Studio. -Имамо два избора IoT хардвера за коришћење у пројектима, у зависности од личних преференци, знања програмских језика, циљева учења и расположивости. Такође смо обезбедили 'виртуелну верзију хардвера' за оне који немају приступ хардверу или желе више да науче пре него што се обавежу на куповину. Можете прочитати више и пронаћи 'листу за куповину' на [страници о хардверу](./hardware.md), укључујући линкове за куповину комплетних комплета од наших пријатеља у Seeed Studio. -> 💁 Пронађите наше [Правило понашања](CODE_OF_CONDUCT.md), смернице за [Учешће](CONTRIBUTING.md) и [Превод](TRANSLATIONS.md). Добро дошли сте са вашим конструктивним повратним информацијама! +> 💁 Пронађите наш [Кодекс понашања](CODE_OF_CONDUCT.md), смернице за [допринос](CONTRIBUTING.md) и [превод](TRANSLATIONS.md). Добродошли су ваши конструктивни предлози! > -> 🔧 Имате проблема? Погледајте наш [Водич за решавање проблема](TROUBLESHOOTING.md) за решења уобичајених проблема. +> 🔧 Имате проблема? Погледајте наш [Водич за решавање проблема](TROUBLESHOOTING.md) ради решења за честе проблеме. ## Свака лекција укључује: -- скицнот -- опционални допунски видео -- квиз као загревање пре лекције -- писани материјал лекције -- за лекције засноване на пројектима, корак по корак упутства како изградити пројекат +- скичнот +- опциони додатни видео +- квиз за загревање пре лекције +- писану лекцију +- код лекција заснованих на пројектима, корак-по-корак водиче како направити пројекат - провере знања - изазов - додатно читање - задатак -- [квиз после лекције](https://ff-quizzes.netlify.app/en/) +- [пост-лекцијски квиз](https://ff-quizzes.netlify.app/en/) -> **Напомена о квизовима**: Сви квизови су смештени у фасцикли quiz-app, укупно 48 квизова са три питања сваки. Они су повезани изнутра у лекцијама, али апликацију квиза можете покретати локално или је поставити на Azure; пратите упутства у фасцикли `quiz-app`. Квизови се постепено локализују. +> **Напомена о квизовима**: Сви квизови се налазе у фолдеру quiz-app, укупно 48 квизова са по три питања. Они су повезани изнутра у лекцијама али се quiz апликација може покретати локално или депловати на Azure; пратите упутства у фолдеру `quiz-app`. Полако се преводе. ## Лекције -| | Назив пројекта | Појмови који се уче | Циљеви учења | Повезана лекција | +| | Назив пројекта | Пojмови који се уче | Циљеви учења | Повезана лекција | | :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Почетак](./1-getting-started/README.md) | Увод у Интернет ствари | Научите основне принципе Интернета ствари и основне састојке IoT решења као што су сензори и облачне услуге док постављате свој први IoT уређај | [Увод у Интернет ствари](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Почетак](./1-getting-started/README.md) | Детаљнији увид у Интернет ствари | Сазнајте више о компонентама IoT система, као и о микроконтролерима и рачунарима са једном плочом | [Детаљнији увид у Интернет ствари](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Почетак](./1-getting-started/README.md) | Интеракција са физичким светом преко сензора и актуатора | Научите о сензорима за прикупљање података из физичког света и о актуаторима за слање повратних информација док правите ноћно светло | [Интеракција са физичким светом преко сензора и актуатора](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Почетак](./1-getting-started/README.md) | Повежите свој уређај на Интернет | Научите како да повежете IoT уређај на Интернет да бисте слали и примали поруке повезујући своје ноћно светло са MQTT брокером | [Повежите свој уређај на Интернет](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Фарма](./2-farm/README.md) | Прогноза раста биљака | Научите како да прогнозирате раст биљака користећи податке о температури прикупљене IoT уређајем | [Прогноза раста биљака](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Фарма](./2-farm/README.md) | Детекција влажности земљишта | Научите како да детектујете влажност земљишта и калибришете сензор за влажност земљишта | [Детекција влажности земљишта](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Фарма](./2-farm/README.md) | Аутоматизовано заливање биљака | Научите како да аутоматизујете и временски контролишете заливање користећи релеј и MQTT | [Аутоматизовано заливање биљака](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Фарма](./2-farm/README.md) | Миграција ваше биљке у облак | Научите о облачним и облачно хостованим IoT услугама и како да повежете своју биљку са једном од њих уместо јавног MQTT брокера | [Миграција ваше биљке у облак](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Фарма](./2-farm/README.md) | Миграција логике апликације у облак | Научите како можете писати логику апликације у облаку која реагује на IoT поруке | [Миграција логике апликације у облак](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Фарма](./2-farm/README.md) | Заштитите своју биљку | Научите о безбедности у IoT-у и како да заштитите своју биљку помоћу кључева и сертификата | [Заштитите своју биљку](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Транспорт](./3-transport/README.md) | Праћење локације | Научите о праћењу GPS локације за IoT уређаје | [Праћење локације](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Транспорт](./3-transport/README.md) | Чување података о локацији | Научите како да чувате IoT податке за каснију визуализацију или анализу | [Чување података о локацији](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Транспорт](./3-transport/README.md) | Визуелизација података о локацији | Научите о визуелизацији података о локацији на мапи и како мапе представљају стварни 3Д свет у две димензије | [Визуелизација података о локацији](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Транспорт](./3-transport/README.md) | Гео-ограде | Научите о гео-оградима и како могу служити да вас упозоре када су возила у ланцу снабдевања близу своје дестинације | [Гео-ограде](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Производња](./4-manufacturing/README.md) | Обука детектора квалитета воћа | Научите о обуци класификатора слика у облаку за детекцију квалитета воћа | [Обучите детектор квалитета воћа](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Производња](./4-manufacturing/README.md) | Провера квалитета воћа преко IoT уређаја | Научите како да користите детектор квалитета воћа са IoT уређајем | [Провера квалитета воћа преко IoT уређаја](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Производња](./4-manufacturing/README.md) | Покретање детектора воћа на ивици мреже | Научите о покретању вашег детектора воћа на IoT уређају на ивици мреже | [Покрените детектор воћа на ивици мреже](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Производња](./4-manufacturing/README.md) | Тригерирање детекције квалитета воћа са сензора | Научите како да покрећете детекцију квалитета воћа преко сензора | [Тригерирајте детекцију квалитета воћа са сензора](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Малопродаја](./5-retail/README.md) | Обука детектора залиха | Научите како да користите детекцију објеката за обуку детектора залиха за бројани залихе у продавници | [Обучите детектор залиха](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Малопродаја](./5-retail/README.md) | Провера залиха преко IoT уређаја | Научите како да проверите залихе преко IoT уређаја користећи модел за детекцију објеката | [Провера залиха преко IoT уређаја](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Потрошач](./6-consumer/README.md) | Препознавање говора преко IoT уређаја | Научите како да препознате говор преко IoT уређаја и изградите паметни тајмер | [Препознавање говора преко IoT уређаја](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Потрошач](./6-consumer/README.md) | Разумевање језика | Научите како да разумете реченице изговорене IoT уређају | [Разумевање језика](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Потрошач](./6-consumer/README.md) | Поставите тајмер и пружите усмену повратну информацију | Научите како да поставите тајмер на IoT уређају и дате усмену повратну информацију о почетку и завршетку тајмера | [Поставите тајмер и пружите усмену повратну информацију](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Потрошач](./6-consumer/README.md) | Подршка за више језика | Научите како да подржите више језика, како у говору који је упућен вашем уређају тако и у одговорима вашег паметног тајмера | [Подршка за више језика](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Оффлине приступ - -Можете користити ову документацију и оффлине користећи [Docsify](https://docsify.js.org/#/). Форкујте овај репо, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на локалном рачунару и онда у коренском фолдеру овог репа укуцајте `docsify serve`. Вебсајт ће бити доступан на порту 3000 на вашем локалхосту: `localhost:3000`. +| 01 | [Почетак рада](./1-getting-started/README.md) | Увод у IoT | Научите основне принципе IoT и основне грађевне блокове IoT решења као што су сензори и облачне услуге док подешавате уређај за први пут | [Увод у IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Почетак рада](./1-getting-started/README.md) | Детаљнији поглед на IoT | Сазнајте више о компонентама IoT система, као и о микроконтролерима и једно-табличним рачунарима | [Детаљнији поглед на IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Почетак рада](./1-getting-started/README.md) | Веза са физичким светом преко сензора и актуатора | Научите о сензорима за прикупљање података из физичког света и актуаторима за слање повратних информација док правите ноћно светло | [Веза са физичким светом преко сензора и актуатора](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Почетак рада](./1-getting-started/README.md) | Повежите свој уређај на Интернет | Научите како да повежете IoT уређај на Интернет да бисте слали и примали поруке повезивањем ноћног светла на MQTT брокер | [Повежите свој уређај на Интернет](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Фарма](./2-farm/README.md) | Предвиђање раста биљака | Научите како да предвидите раст биљака користећи податке о температури које прикупља IoT уређај | [Предвиђање раста биљака](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Фарма](./2-farm/README.md) | Откривање влажности земљишта | Научите како да откријете влажност земљишта и калибрирате сензор влажности земљишта | [Откривање влажности земљишта](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Фарма](./2-farm/README.md) | Аутоматизовано заливање биљака | Научите како да аутоматизујете и временски одредите заливање помоћу релеја и MQTT | [Аутоматизовано заливање биљака](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Фарма](./2-farm/README.md) | Миграција ваше биљке у облак | Научите о облаку и IoT услугама смештеним у облаку и како да своју биљку повежете са једном од ових услуга уместо са јавним MQTT брокером | [Миграција ваше биљке у облак](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Фарма](./2-farm/README.md) | Миграција логике ваше апликације у облак | Научите како да пишете логику апликације у облаку која реагује на IoT поруке | [Миграција логике ваше апликације у облак](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Фарма](./2-farm/README.md) | Заштитите вашу биљку | Научите о безбедности у IoT и како да заштитите биљку помоћу кључева и сертификата | [Заштита ваше биљке](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Транспорт](./3-transport/README.md) | Локацијско праћење | Научите о праћењу GPS локације за IoT уређаје | [Локацијско праћење](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Транспорт](./3-transport/README.md) | Чување података о локацији | Научите како да чувате IoT податке ради касније визуелизације или анализе | [Чување података о локацији](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Транспорт](./3-transport/README.md) | Визуелизација података о локацији | Научите о визуелизацији података о локацији на мапи, и како мапе представљају стварни 3D свет у 2 димензије | [Визуелизација података о локацији](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Транспорт](./3-transport/README.md) | Геоограде | Научите о геооградима, и како се могу користити за упозорење када су возила у ланцу снабдевања близу своје дестинације | [Геоограде](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Производња](./4-manufacturing/README.md) | Тренирање детектора квалитета воћа | Научите о тренирању класификатора слика у облаку ради детекције квалитета воћа | [Тренирање детектора квалитета воћа](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Производња](./4-manufacturing/README.md) | Провера квалитета воћа са IoT уређаја | Научите о коришћењу вашег детектора квалитета воћа са IoT уређаја | [Провера квалитета воћа са IoT уређаја](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Производња](./4-manufacturing/README.md) | Покретање детектора воћа на периферији | Научите о покретању вашег детектора воћа на периферијском IoT уређају | [Покретање детектора воћа на периферији](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Производња](./4-manufacturing/README.md) | Тргерирање детекције квалитета воћа са сензора | Научите о активирању детекције квалитета воћа са сензора | [Тргерирање детекције квалитета воћа са сензора](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Продаја](./5-retail/README.md) | Тренирање детектора залиха | Научите како да користите детекцију објеката за тренирање детектора залиха за бројала залиха у продавници | [Тренирање детектора залиха](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Продаја](./5-retail/README.md) | Провера залиха са IoT уређаја | Научите како да проверите залихе са IoT уређаја користећи модел детекције објеката | [Провера залиха са IoT уређаја](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Потрошачи](./6-consumer/README.md) | Препознавање гласа са IoT уређаја | Научите како да препознате глас са IoT уређаја и направите паметни тајмер | [Препознавање гласа са IoT уређаја](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Потрошачи](./6-consumer/README.md) | Разумевање језика | Научите како да разумете реченице изговорене у IoT уређај | [Разумевање језика](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Потрошачи](./6-consumer/README.md) | Постављање тајмера и пружање гласовног поврата | Научите како да поставите тајмер на IoT уређају и дајете гласовни поврат када је тајмер постављен и када заврши | [Постављање тајмера и пружање гласовног поврата](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Потрошачи](./6-consumer/README.md) | Подршка више језика | Научите како да подржавате више језика, како у разговору тако и у одговорима вашег паметног тајмера | [Подршка више језика](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Офлајн приступ + +Можете покренути ову документацију офлајн користећи [Docsify](https://docsify.js.org/#/). Форкујте овај репозиторијум, [инсталирајте Docsify](https://docsify.js.org/#/quickstart) на вашем локалном рачунару, а затим у коренском фасциклу овог репозиторијума откуцајте `docsify serve`. Вебсајт ће бити доступан на порту 3000 на вашем локалном хосту: `localhost:3000`. ## Квиз -Хвала заједници што је угостила интерактивни квиз који проверава ваше знање из сваког поглавља. Ваше знање можете тестирати [овде](https://ff-quizzes.netlify.app/en/) +Хвала заједници за организовање интерактивног квиза који тестира ваше знање из сваког поглавља. Тестирајте своје знање [овде](https://ff-quizzes.netlify.app/en/) ### PDF -Можете генерисати PDF овог садржаја за оффлине приступ ако је потребно. Да бисте то урадили, уверите се да имате [npm инсталиран](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) и покрените следеће наредбе у коренском фолдеру овог репа: +Можете генерисати PDF овог садржаја за офлајн приступ ако је потребно. Да бисте то урадили, уверите се да имате [npm инсталиран](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) и покрените следеће команде у коренском фолдеру овог репозиторијума: ```sh npm i @@ -156,58 +166,57 @@ npm run convert Постоје слајдови за неке од лекција у фасцикли [slides](../../slides). -## Остали наставни планови +## Други програмски планови -Наш тим производи и друге наставне планове! Погледајте: +Наш тим производи и друге програмске планове! Погледајте: ### LangChain [![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.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5Е7EB&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 / 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 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) +[![Edge AI за почетнике](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 почетнике](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 почетнике](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) --- -### Генеративни AI серијал -[![Генеративни AI за почетнике](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) -[![Генеративни 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) -[![Генеративни 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) -[![Генеративни 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) +### Сертификат генеративне вештачке интелигенције +[![Генеративна вештачка интелигенција за почетнике](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) +[![Генеративна вештачка интелигенција (.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) +[![Генеративна вештачка интелигенција (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) +[![Генеративна вештачка интелигенција (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 учење [![Машинско учење за почетнике](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) [![Наука о подацима за почетнике](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 почетнике](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) -[![Кибер безбедност за почетнике](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) +[![Вештачка интелигенција за почетнике](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) +[![Кибербезбедност за почетнике](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) [![Веб развој за почетнике](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 почетнике](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 развој за почетнике](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) --- -### Копилот серијал -[![Копилот за парно програмирање AI-ја](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) -[![Копилот 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) -[![Копилот авантура](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) +### Сертификат за Copilot +[![Copilot за AI парно програмирање](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 авантура](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) -## Припис места сликама - -Све приписе за слике коришћене у овом курикулуму можете пронаћи у случају потребе у [Приписима](./attributions.md). +## Зависи од слика +Све заслуге за слике коришћене у овом курикулуму можете пронаћи тамо где је то потребно у [Заслуге](./attributions.md). --- **Одрицање од одговорности**: -Овај документ је преведен помоћу АИ преводилачке услуге [Co-op Translator](https://github.com/Azure/co-op-translator). Иако тежимо прецизности, молимо вас да имате у виду да аутоматизовани преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразуми или погрешна тумачења настала коришћењем овог превода. +Овај документ је преведен коришћењем AI сервиса за превођење [Co-op Translator](https://github.com/Azure/co-op-translator). Иако настојимо да обезбедимо тачност, молимо вас да имате у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитетним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешне интерпретације које произилазе из коришћења овог превода. \ No newline at end of file diff --git a/translations/sr/hardware.md b/translations/sr/hardware.md index 78e767438..ce4112dd8 100644 --- a/translations/sr/hardware.md +++ b/translations/sr/hardware.md @@ -26,7 +26,7 @@ Seeed Studios су љубазно обезбедили сав хардвер у **[IoT за почетнике са 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)** -[![Raspberry Pi Terminal хардверски комплет](../../translated_images/sr/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Raspberry Pi Terminal хардверски комплет](../../translated_images/sr/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino