From adf2292febfd59940752e2f98b9d1a67c35d2ab7 Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Mon, 6 Apr 2026 16:35:55 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 186 changes) --- translations/cs/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 4 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 4 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../wio-terminal-relay.md | 2 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/cs/README.md | 187 +++++++-------- translations/cs/hardware.md | 2 +- translations/hu/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 8 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 4 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 4 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 8 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 6 +- .../lessons/1-train-fruit-detector/README.md | 14 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 12 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/hu/README.md | 214 +++++++++--------- translations/hu/hardware.md | 2 +- translations/sw/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 8 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 2 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/sw/README.md | 198 ++++++++-------- translations/sw/hardware.md | 2 +- 186 files changed, 822 insertions(+), 795 deletions(-) diff --git a/translations/cs/.co-op-translator.json b/translations/cs/.co-op-translator.json index 61fc62c9e..1b17f4df7 100644 --- a/translations/cs/.co-op-translator.json +++ b/translations/cs/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "cs" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:27:27+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T16:35:35+00:00", "source_file": "README.md", "language_code": "cs" }, diff --git a/translations/cs/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/cs/1-getting-started/lessons/1-introduction-to-iot/README.md index bf4efc1e1..82a1ae835 100644 --- a/translations/cs/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/cs/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Úvod do IoT -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-1.2606670fa61ee904.webp) > Sketchnote vytvořil [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. diff --git a/translations/cs/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/cs/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 02c76c375..8e7158176 100644 --- a/translations/cs/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/cs/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Jako druhý krok 'Hello World' spustíte aplikaci CounterFit a připojíte k ní Aplikace se spustí a otevře ve vašem webovém prohlížeči: - ![Aplikace Counter Fit spuštěná v prohlížeči](../../../../../translated_images/cs/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Aplikace Counter Fit spuštěná v prohlížeči](../../../../../translated_images/cs/counterfit-first-run.433326358b669b31.webp) Bude označena jako *Disconnected* a LED v pravém horním rohu bude vypnutá. @@ -224,7 +224,7 @@ Jako druhý krok 'Hello World' spustíte aplikaci CounterFit a připojíte k ní 1. V tomto novém terminálu spusťte soubor `app.py` jako dříve. Stav CounterFit se změní na **Connected** a LED se rozsvítí. - ![Counter Fit zobrazený jako připojený](../../../../../translated_images/cs/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit zobrazený jako připojený](../../../../../translated_images/cs/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Tento kód najdete ve složce [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device). diff --git a/translations/cs/1-getting-started/lessons/2-deeper-dive/README.md b/translations/cs/1-getting-started/lessons/2-deeper-dive/README.md index 95dce0554..f8ec86421 100644 --- a/translations/cs/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/cs/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Hlubší pohled na IoT -![Přehled lekce ve formě sketchnotu](../../../../../translated_images/cs/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Přehled lekce ve formě sketchnotu](../../../../../translated_images/cs/lesson-2.324b0580d620c25e.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -38,7 +38,7 @@ IoT aplikace se skládá ze dvou hlavních částí: *Internetu* a *zařízení* Tato zařízení interagují s fyzickým světem buď pomocí senzorů, které sbírají data z okolí, nebo pomocí výstupů či akčních členů, které provádějí fyzické změny. Typickým příkladem je chytrý termostat – zařízení, které má teplotní senzor, prostředek pro nastavení požadované teploty, jako je otočný knoflík nebo dotyková obrazovka, a připojení k topnému nebo chladicímu systému, který lze zapnout, když je detekovaná teplota mimo požadovaný rozsah. Teplotní senzor zjistí, že je v místnosti příliš chladno, a akční člen zapne topení. -![Schéma ukazující teplotu a otočný knoflík jako vstupy do IoT zařízení a ovládání topení jako výstup](../../../../../translated_images/cs/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Schéma ukazující teplotu a otočný knoflík jako vstupy do IoT zařízení a ovládání topení jako výstup](../../../../../translated_images/cs/basic-thermostat.a923217fd1f37e5a.webp) Existuje obrovská škála různých zařízení, která mohou fungovat jako IoT zařízení, od specializovaného hardwaru, který snímá jednu věc, až po univerzální zařízení, dokonce i váš chytrý telefon! Chytrý telefon může pomocí senzorů detekovat okolní svět a pomocí akčních členů s ním interagovat – například pomocí GPS senzoru zjistit vaši polohu a pomocí reproduktoru vám poskytnout navigační pokyny k cíli. @@ -54,7 +54,7 @@ Zařízení se také nemusí vždy připojovat přímo k internetu přes WiFi ne V případě chytrého termostatu by se termostat připojil k domácí WiFi a následně ke cloudové službě. Odesílal by data o teplotě do této služby, kde by byla uložena do databáze, což by umožnilo majiteli domu kontrolovat aktuální a historické teploty pomocí aplikace na telefonu. Jiná služba v cloudu by věděla, jakou teplotu majitel domu požaduje, a posílala by zprávy zpět do IoT zařízení přes cloudovou službu, aby řídila topný systém. -![Schéma ukazující teplotu a otočný knoflík jako vstupy do IoT zařízení, obousměrnou komunikaci mezi IoT zařízením a cloudem, který dále komunikuje s telefonem, a ovládání topení jako výstup z IoT zařízení](../../../../../translated_images/cs/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Schéma ukazující teplotu a otočný knoflík jako vstupy do IoT zařízení, obousměrnou komunikaci mezi IoT zařízením a cloudem, který dále komunikuje s telefonem, a ovládání topení jako výstup z IoT zařízení](../../../../../translated_images/cs/mobile-controlled-thermostat.4a994010473d8d6a.webp) Ještě chytřejší verze by mohla využívat AI v cloudu s daty z dalších senzorů připojených k jiným IoT zařízením, jako jsou senzory obsazenosti, které detekují, které místnosti jsou využívány, stejně jako data o počasí nebo váš kalendář, aby inteligentně nastavovala teplotu. Například by mohla vypnout topení, pokud zjistí z vašeho kalendáře, že jste na dovolené, nebo vypnout topení v jednotlivých místnostech podle toho, které místnosti používáte, a postupně se učit z dat, aby byla stále přesnější. @@ -94,7 +94,7 @@ Rychlost hodin je měřena v [Hertzích (Hz)](https://wikipedia.org/wiki/Hertz), > 💁 CPU vykonávají programy pomocí [cyklu načtení-dekódování-vykonání](https://wikipedia.org/wiki/Instruction_cycle). Každý tik hodin CPU načte další instrukci z paměti, dekóduje ji a poté ji vykoná, například pomocí aritmeticko-logické jednotky (ALU) k sečtení dvou čísel. Některé instrukce trvají více tiků, takže další cyklus začne po dokončení předchozí instrukce. -![Cyklus načtení-dekódování-vykonání ukazující načtení instrukce z programu uloženého v RAM, její dekódování a vykonání na CPU](../../../../../translated_images/cs/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Cyklus načtení-dekódování-vykonání ukazující načtení instrukce z programu uloženého v RAM, její dekódování a vykonání na CPU](../../../../../translated_images/cs/fetch-decode-execute.2fd6f150f6280392.webp) Mikrokontroléry mají mnohem nižší rychlosti hodin než stolní nebo přenosné počítače, nebo dokonce většina chytrých telefonů. Například Wio Terminal má CPU, který běží na 120 MHz, tedy 120 000 000 cyklů za sekundu. @@ -182,7 +182,7 @@ Desky Arduino se programují v jazycích C nebo C++. Použití C/C++ umožňuje, Do funkce `setup` byste napsali svůj inicializační kód, například připojení k WiFi a cloudovým službám nebo inicializaci pinů pro vstup a výstup. Do funkce `loop` byste pak napsali zpracovatelský kód, například čtení ze senzoru a odesílání hodnoty do cloudu. Obvykle byste do každé smyčky přidali zpoždění, například pokud chcete, aby se data ze senzoru odesílala každých 10 sekund, přidali byste na konci smyčky zpoždění 10 sekund, aby mikrokontrolér mohl spát, šetřit energii, a poté spustit smyčku znovu, když je potřeba. -![Sketch Arduino spouštějící nejprve setup, poté opakovaně loop](../../../../../translated_images/cs/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Sketch Arduino spouštějící nejprve setup, poté opakovaně loop](../../../../../translated_images/cs/arduino-sketch.79590cb837ff7a7c.webp) ✅ Tato architektura programu je známá jako *event loop* nebo *message loop*. Mnoho aplikací ji používá na pozadí a je standardem pro většinu desktopových aplikací, které běží na OS jako Windows, macOS nebo Linux. Funkce `loop` naslouchá zprávám z komponent uživatelského rozhraní, jako jsou tlačítka, nebo zařízení, jako je klávesnice, a na ně reaguje. Více si můžete přečíst v tomto [článku o event loop](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/README.md index 43100ba1a..49b874d37 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Interakce s fyzickým světem pomocí senzorů a akčních členů -![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-3.cc3b7b4cd646de59.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -92,7 +92,7 @@ Digitální senzory, stejně jako analogové senzory, detekují svět kolem sebe Nejjednodušším digitálním senzorem je tlačítko nebo spínač. Jedná se o senzor se dvěma stavy, zapnuto nebo vypnuto. -![Tlačítko přijímá 5 voltů. Když není stisknuto, vrací 0 voltů, když je stisknuto, vrací 5 voltů](../../../../../translated_images/cs/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Tlačítko přijímá 5 voltů. Když není stisknuto, vrací 0 voltů, když je stisknuto, vrací 5 voltů](../../../../../translated_images/cs/button.eadb560b77ac45e5.webp) Piny na IoT zařízeních, jako jsou GPIO piny, mohou tento signál přímo měřit jako 0 nebo 1. Pokud je napětí odeslané stejné jako napětí vrácené, hodnota je 1, jinak je hodnota 0. Není potřeba signál převádět, může být pouze 1 nebo 0. @@ -125,7 +125,7 @@ Mezi běžné akční členy patří: Postupujte podle příslušného návodu níže a přidejte akční člen do svého IoT zařízení, který bude ovládán senzorem, abyste vytvořili IoT noční světlo. Bude shromažďovat úrovně světla ze světelného senzoru a používat akční člen ve formě LED diody k vyzařování světla, když je detekovaná úroveň světla příliš nízká. -![Diagram úkolu ukazující čtení a kontrolu úrovní světla a ovládání LED](../../../../../translated_images/cs/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Diagram úkolu ukazující čtení a kontrolu úrovní světla a ovládání LED](../../../../../translated_images/cs/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Jednodeskový počítač - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ Stejně jako senzory, akční členy mohou být buď analogové, nebo digitáln Analogové akční členy přijímají analogový signál a převádějí jej na nějakou formu interakce, kde se interakce mění na základě dodaného napětí. Jedním z příkladů je stmívatelné světlo, například to, které můžete mít doma. Množství dodaného napětí určuje, jak jasně svítí. -![Světlo ztlumené při nízkém napětí a jasnější při vyšším napětí](../../../../../translated_images/cs/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Světlo ztlumené při nízkém napětí a jasnější při vyšším napětí](../../../../../translated_images/cs/dimmable-light.9ceffeb195dec1a8.webp) Stejně jako u senzorů, skutečné IoT zařízení pracuje s digitálními signály, nikoli analogovými. To znamená, že k odeslání analogového signálu potřebuje IoT zařízení převodník z digitálního na analogový signál (DAC), buď přímo na IoT zařízení, nebo na připojovací desce. Ten převede 0 a 1 z IoT zařízení na analogové napětí, které může aktuátor využít. @@ -187,7 +187,7 @@ Digitální aktuátory, stejně jako digitální senzory, mají buď dva stavy o Jednoduchým digitálním aktuátorem je LED dioda. Když zařízení pošle digitální signál 1, odešle se vysoké napětí, které LED diodu rozsvítí. Když se pošle digitální signál 0, napětí klesne na 0V a LED dioda se vypne. -![LED dioda je vypnutá při 0 voltech a zapnutá při 5V](../../../../../translated_images/cs/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED dioda je vypnutá při 0 voltech a zapnutá při 5V](../../../../../translated_images/cs/led.ec6d94f66676a174.webp) ✅ Jaké další jednoduché dvoustavové aktuátory vás napadají? Jedním příkladem je solenoid, což je elektromagnet, který lze aktivovat k provádění úkonů, jako je pohyb závory dveří při zamykání/odemykání. diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 55b8ef1af..ffe4ac226 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED je dodávána jako modul s výběrem LED diod, což vám umožňuje zv Připojte LED. -![Grove LED](../../../../../translated_images/cs/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/cs/grove-led.6c853be93f473cf2.webp) 1. Vyberte svou oblíbenou LED diodu a vložte její nožičky do dvou otvorů na modulu LED. @@ -40,7 +40,7 @@ Připojte LED. 1. S vypnutým Raspberry Pi připojte druhý konec Grove kabelu k digitální zásuvce označené **D5** na Grove Base hat připojeném k Pi. Tato zásuvka je druhá zleva v řadě zásuvek vedle GPIO pinů. -![Grove LED připojená k zásuvce D5](../../../../../translated_images/cs/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![Grove LED připojená k zásuvce D5](../../../../../translated_images/cs/pi-led.97f1d474981dc35d.webp) ## Naprogramujte noční světlo diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index a0782d5a0..607282522 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove světelný senzor, který se používá k detekci úrovní světla, musí Připojte světelný senzor. -![Grove světelný senzor](../../../../../translated_images/cs/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Grove světelný senzor](../../../../../translated_images/cs/grove-light-sensor.b8127b7c434e632d.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na modulu světelného senzoru. Kabel lze zasunout pouze jedním způsobem. 1. S vypnutým Raspberry Pi připojte druhý konec Grove kabelu do analogového konektoru označeného **A0** na Grove Base hat připojeném k Pi. Tento konektor je druhý zprava v řadě konektorů vedle GPIO pinů. -![Grove světelný senzor připojený ke konektoru A0](../../../../../translated_images/cs/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove světelný senzor připojený ke konektoru A0](../../../../../translated_images/cs/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Naprogramujte světelný senzor diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 7aec8c89d..568be98f4 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Přidejte LED diodu do aplikace CounterFit. 1. Vyberte tlačítko **Add** pro vytvoření LED diody na pinu 5. - ![Nastavení LED diody](../../../../../translated_images/cs/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Nastavení LED diody](../../../../../translated_images/cs/counterfit-create-led.ba9db1c9b8c622a6.webp) LED dioda bude vytvořena a objeví se v seznamu akčních členů. - ![Vytvořená LED dioda](../../../../../translated_images/cs/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![Vytvořená LED dioda](../../../../../translated_images/cs/counterfit-led.c0ab02de6d256ad8.webp) Jakmile je LED dioda vytvořena, můžete změnit její barvu pomocí výběru *Color*. Vyberte tlačítko **Set** pro změnu barvy po jejím výběru. diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index 86f9c608c..a92832f62 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Přidejte světelný senzor do aplikace CounterFit. 1. Klikněte na tlačítko **Add**, abyste vytvořili světelný senzor na pinu 0. - ![Nastavení světelného senzoru](../../../../../translated_images/cs/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Nastavení světelného senzoru](../../../../../translated_images/cs/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Světelný senzor bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený světelný senzor](../../../../../translated_images/cs/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Vytvořený světelný senzor](../../../../../translated_images/cs/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Naprogramujte světelný senzor diff --git a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index 0c32abf8f..19b0d3118 100644 --- a/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/cs/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED je dodávána jako modul s výběrem LED diod, což vám umožňuje zv Připojte LED. -![Grove LED](../../../../../translated_images/cs/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Grove LED](../../../../../translated_images/cs/grove-led.6c853be93f473cf2.webp) 1. Vyberte si svou oblíbenou LED a vložte její nožičky do dvou otvorů na modulu LED. diff --git a/translations/cs/1-getting-started/lessons/4-connect-internet/README.md b/translations/cs/1-getting-started/lessons/4-connect-internet/README.md index 2f9c4dfbf..70f7045be 100644 --- a/translations/cs/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/cs/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Připojte své zařízení k internetu -![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-4.7344e074ea68fa54.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -47,7 +47,7 @@ MQTT je nejpopulárnější komunikační protokol pro IoT zařízení a je pokr MQTT má jednoho brokeru a více klientů. Všichni klienti se připojují k brokeru, který směruje zprávy relevantním klientům. Zprávy jsou směrovány pomocí pojmenovaných témat, místo aby byly odesílány přímo jednotlivým klientům. Klient může publikovat do tématu a všichni klienti, kteří se k tomuto tématu přihlásí, obdrží zprávu. -![IoT zařízení publikující telemetrii na téma /telemetry a cloudová služba přihlašující se k tomuto tématu](../../../../../translated_images/cs/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT zařízení publikující telemetrii na téma /telemetry a cloudová služba přihlašující se k tomuto tématu](../../../../../translated_images/cs/mqtt.cbf7f21d9adc3e17.webp) ✅ Udělejte si průzkum. Pokud máte mnoho IoT zařízení, jak zajistíte, že váš MQTT broker zvládne všechny zprávy? @@ -69,7 +69,7 @@ Namísto řešení složitostí nastavení MQTT brokeru jako součást tohoto ú > 💁 Tento testovací broker je veřejný a není zabezpečený. Kdokoliv může poslouchat, co publikujete, takže by neměl být používán s daty, která je třeba uchovat v soukromí. -![Diagram úkolu ukazující čtení a kontrolu úrovní světla a ovládání LED](../../../../../translated_images/cs/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Diagram úkolu ukazující čtení a kontrolu úrovní světla a ovládání LED](../../../../../translated_images/cs/assignment-1-internet-flow.3256feab5f052fd2.webp) Postupujte podle relevantního kroku níže pro připojení vašeho zařízení k MQTT brokeru: @@ -350,7 +350,7 @@ Pro stroje byste možná chtěli data uchovat, zejména pokud se používají k Návrháři IoT zařízení by také měli zvážit, zda lze IoT zařízení používat během výpadku internetu nebo ztráty signálu způsobené lokalitou. Chytrý termostat by měl být schopen provádět některá omezená rozhodnutí o řízení vytápění, pokud nemůže odesílat telemetrii do cloudu kvůli výpadku. -[![Tento Ferrari přestal fungovat, protože někdo zkusil provést aktualizaci pod zemí, kde není signál](../../../../../translated_images/cs/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Tento Ferrari přestal fungovat, protože někdo zkusil provést aktualizaci pod zemí, kde není signál](../../../../../translated_images/cs/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Aby MQTT zvládlo ztrátu připojení, musí být zařízení a serverový kód zodpovědné za zajištění doručení zpráv, pokud je to potřeba, například vyžadováním, aby na všechny odeslané zprávy byly odpovězeno dalšími zprávami na odpovědním tématu. Pokud ne, jsou ručně zařazeny do fronty k pozdějšímu přehrání. @@ -358,7 +358,7 @@ Aby MQTT zvládlo ztrátu připojení, musí být zařízení a serverový kód Příkazy jsou zprávy odeslané z cloudu do zařízení, které mu nařizují něco udělat. Většinou to zahrnuje nějaký výstup přes akční člen, ale může to být i instrukce pro samotné zařízení, například restartovat nebo shromáždit další telemetrii a vrátit ji jako odpověď na příkaz. -![Internetem připojený termostat přijímá příkaz k zapnutí topení](../../../../../translated_images/cs/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Internetem připojený termostat přijímá příkaz k zapnutí topení](../../../../../translated_images/cs/commands.d6c06bbbb3a02cce.webp) Termostat by mohl přijmout příkaz z cloudu k zapnutí topení. Na základě telemetrických dat ze všech senzorů cloudová služba rozhodla, že topení by mělo být zapnuto, a tak odešle příslušný příkaz. diff --git a/translations/cs/2-farm/lessons/1-predict-plant-growth/README.md b/translations/cs/2-farm/lessons/1-predict-plant-growth/README.md index ccc9d9767..f675be813 100644 --- a/translations/cs/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/cs/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # Předpověď růstu rostlin pomocí IoT -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-5.42b234299279d263.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -102,7 +102,7 @@ Postup, jak to udělat ručně, je následující: Například, pokud je nejvyšší teplota za den 25 °C a nejnižší 12 °C: -![GDD = 25 + 12 děleno 2, poté odečtěte 10 z výsledku, což dává 8.5](../../../../../translated_images/cs/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 děleno 2, poté odečtěte 10 z výsledku, což dává 8.5](../../../../../translated_images/cs/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/cs/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/cs/2-farm/lessons/1-predict-plant-growth/assignment.md index 471c7a14a..b2830aacb 100644 --- a/translations/cs/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/cs/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Jakmile máte teplotní data, můžete použít Jupyter Notebook v tomto repozit Jupyter se spustí a otevře notebook ve vašem prohlížeči. Projděte si instrukce v notebooku, vizualizujte naměřené teploty a vypočítejte růstové stupně (GDD). - ![Jupyter notebook](../../../../../translated_images/cs/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter notebook](../../../../../translated_images/cs/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Hodnocení diff --git a/translations/cs/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/cs/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 8af14ef99..9f032f5ee 100644 --- a/translations/cs/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/cs/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,13 +16,13 @@ Teplotní senzor Grove lze připojit k Raspberry Pi. Připojte teplotní senzor. -![Teplotní senzor Grove](../../../../../translated_images/cs/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Teplotní senzor Grove](../../../../../translated_images/cs/grove-dht11.07f8eafceee17004.webp) 1. Zasuňte jeden konec kabelu Grove do konektoru na senzoru vlhkosti a teploty. Kabel lze zasunout pouze jedním směrem. 1. S vypnutým Raspberry Pi připojte druhý konec kabelu Grove do digitálního konektoru označeného **D5** na Grove Base hat připojeném k Pi. Tento konektor je druhý zleva v řadě konektorů vedle GPIO pinů. -![Teplotní senzor Grove připojený ke konektoru A0](../../../../../translated_images/cs/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png) +![Teplotní senzor Grove připojený ke konektoru A0](../../../../../translated_images/cs/pi-temperature-sensor.3ff82fff672c8e56.webp) ## Naprogramování teplotního senzoru diff --git a/translations/cs/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/cs/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 3723eec4f..5b632a21f 100644 --- a/translations/cs/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/cs/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Přidejte senzory vlhkosti a teploty do aplikace CounterFit. 1. Klikněte na tlačítko **Add** pro vytvoření senzoru vlhkosti na pinu 5. - ![Nastavení senzoru vlhkosti](../../../../../translated_images/cs/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Nastavení senzoru vlhkosti](../../../../../translated_images/cs/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Senzor vlhkosti bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený senzor vlhkosti](../../../../../translated_images/cs/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Vytvořený senzor vlhkosti](../../../../../translated_images/cs/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Vytvořte teplotní senzor: @@ -54,11 +54,11 @@ Přidejte senzory vlhkosti a teploty do aplikace CounterFit. 1. Klikněte na tlačítko **Add** pro vytvoření teplotního senzoru na pinu 6. - ![Nastavení teplotního senzoru](../../../../../translated_images/cs/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Nastavení teplotního senzoru](../../../../../translated_images/cs/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Teplotní senzor bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený teplotní senzor](../../../../../translated_images/cs/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Vytvořený teplotní senzor](../../../../../translated_images/cs/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Naprogramování aplikace pro teplotní senzor diff --git a/translations/cs/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/cs/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 54b4ed445..0c3fea260 100644 --- a/translations/cs/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/cs/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove teplotní senzor lze připojit k digitálnímu portu Wio Terminalu. Připojte teplotní senzor. -![Grove teplotní senzor](../../../../../translated_images/cs/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Grove teplotní senzor](../../../../../translated_images/cs/grove-dht11.07f8eafceee17004.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na senzoru vlhkosti a teploty. Kabel lze zasunout pouze jedním směrem. diff --git a/translations/cs/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/cs/2-farm/lessons/2-detect-soil-moisture/README.md index 0f3afa4e1..861d075f4 100644 --- a/translations/cs/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/cs/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C má sběrnici složenou ze 2 hlavních vodičů spolu s 2 napájecími vodi | VCC | Voltage common collector | Napájení pro zařízení. Je připojeno k vodičům SDA a SCL, aby jim poskytovalo napájení přes pull-up rezistor, který vypíná signál, když žádné zařízení není řadičem. | | GND | Ground | Poskytuje společnou zem pro elektrický obvod. | -![I2C sběrnice se 3 zařízeními připojenými k vodičům SDA a SCL, sdílející společný zemnící vodič](../../../../../translated_images/cs/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C sběrnice se 3 zařízeními připojenými k vodičům SDA a SCL, sdílející společný zemnící vodič](../../../../../translated_images/cs/i2c.83da845dde02256b.webp) Pro přenos dat jedno zařízení vydá startovací podmínku, aby ukázalo, že je připraveno posílat data. Poté se stane řadičem. Řadič následně pošle adresu zařízení, se kterým chce komunikovat, spolu s informací, zda chce data číst nebo zapisovat. Po přenosu dat řadič pošle stopovací podmínku, aby naznačil, že skončil. Poté se jiné zařízení může stát řadičem a posílat nebo přijímat data. diff --git a/translations/cs/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/cs/2-farm/lessons/2-detect-soil-moisture/assignment.md index d617f1b96..bf0c075f3 100644 --- a/translations/cs/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/cs/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,7 +20,7 @@ Tyto kroky budete muset opakovat několikrát, pokaždé s různou vlhkostí pů Gravimetrická vlhkost půdy se vypočítá jako: -![vlhkost půdy % je hmotnost mokré půdy minus hmotnost suché půdy, děleno hmotností suché půdy, krát 100](../../../../../translated_images/cs/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![vlhkost půdy % je hmotnost mokré půdy minus hmotnost suché půdy, děleno hmotností suché půdy, krát 100](../../../../../translated_images/cs/gsm-calculation.6da38c6201eec14e.webp) * W - hmotnost mokré půdy @@ -29,7 +29,7 @@ Gravimetrická vlhkost půdy se vypočítá jako: Například, máte vzorek půdy, který váží 212 g mokrý a 197 g suchý. -![Vyplněný výpočet](../../../../../translated_images/cs/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Vyplněný výpočet](../../../../../translated_images/cs/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212 g * W = 197 g diff --git a/translations/cs/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/cs/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index 91c1b26eb..aea5a301a 100644 --- a/translations/cs/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/cs/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Senzor vlhkosti půdy Grove lze připojit k Raspberry Pi. Připojte senzor vlhkosti půdy. -![Senzor vlhkosti půdy Grove](../../../../../translated_images/cs/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Senzor vlhkosti půdy Grove](../../../../../translated_images/cs/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Zasuňte jeden konec kabelu Grove do konektoru na senzoru vlhkosti půdy. Kabel lze zasunout pouze jedním směrem. 1. S vypnutým Raspberry Pi připojte druhý konec kabelu Grove do analogového konektoru označeného **A0** na Grove Base Hat připojeném k Raspberry Pi. Tento konektor je druhý zprava v řadě konektorů vedle GPIO pinů. -![Senzor vlhkosti půdy Grove připojený do konektoru A0](../../../../../translated_images/cs/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Senzor vlhkosti půdy Grove připojený do konektoru A0](../../../../../translated_images/cs/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Zasuňte senzor vlhkosti půdy do půdy. Senzor má "nejvyšší poziční čáru" - bílou čáru přes senzor. Zasuňte senzor až k této čáře, ale ne dál. diff --git a/translations/cs/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/cs/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 111a1be70..4871eff36 100644 --- a/translations/cs/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/cs/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Přidejte senzor vlhkosti půdy do aplikace CounterFit. 1. Klikněte na tlačítko **Add** pro vytvoření senzoru *Soil Moisture* na pinu 0. - ![Nastavení senzoru vlhkosti půdy](../../../../../translated_images/cs/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Nastavení senzoru vlhkosti půdy](../../../../../translated_images/cs/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Senzor vlhkosti půdy bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený senzor vlhkosti půdy](../../../../../translated_images/cs/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Vytvořený senzor vlhkosti půdy](../../../../../translated_images/cs/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Naprogramování aplikace senzoru vlhkosti půdy diff --git a/translations/cs/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/cs/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index c2dc1549a..3bf11c6d4 100644 --- a/translations/cs/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/cs/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove senzor vlhkosti půdy lze připojit k konfigurovatelnému analogovému/dig Připojte senzor vlhkosti půdy. -![Grove senzor vlhkosti půdy](../../../../../translated_images/cs/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Grove senzor vlhkosti půdy](../../../../../translated_images/cs/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na senzoru vlhkosti půdy. Kabel lze zasunout pouze jedním způsobem. diff --git a/translations/cs/2-farm/lessons/3-automated-plant-watering/README.md b/translations/cs/2-farm/lessons/3-automated-plant-watering/README.md index 4240edf80..dedc44f73 100644 --- a/translations/cs/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/cs/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Automatické zavlažování rostlin -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-7.30b5f577d3cb8e03.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -32,7 +32,7 @@ IoT zařízení používají nízké napětí. Zatímco to stačí pro senzory a Řešením je mít čerpadlo připojené k externímu zdroji napájení a použít aktuátor k zapnutí čerpadla, podobně jako byste zapnuli světlo. K zapnutí vypínače stačí malá množství energie (ve formě energie vašeho těla), což připojí světlo k síťovému napájení běžícímu na 110V/240V. -![Vypínač zapíná napájení světla](../../../../../translated_images/cs/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Vypínač zapíná napájení světla](../../../../../translated_images/cs/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Síťová elektřina](https://wikipedia.org/wiki/Mains_electricity) označuje elektřinu dodávanou do domácností a podniků prostřednictvím národní infrastruktury v mnoha částech světa. @@ -72,7 +72,7 @@ Když se páka pohybuje, obvykle slyšíte, jak se dotkne elektromagnetu s dobř Elektromagnet nepotřebuje mnoho energie k aktivaci a přitažení páky, může být ovládán pomocí 3,3V nebo 5V výstupu z IoT vývojové desky. Výstupní obvod může přenášet mnohem více energie, v závislosti na relé, včetně síťového napětí nebo dokonce vyšších úrovní výkonu pro průmyslové použití. Tímto způsobem může IoT vývojová deska ovládat zavlažovací systém, od malého čerpadla pro jednu rostlinu až po masivní průmyslový systém pro celé komerční farmy. -![Relé Grove s označeným ovládacím obvodem, výstupním obvodem a relé](../../../../../translated_images/cs/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Relé Grove s označeným ovládacím obvodem, výstupním obvodem a relé](../../../../../translated_images/cs/grove-relay-labelled.293e068f5c3c2a19.webp) Obrázek výše ukazuje relé Grove. Ovládací obvod se připojuje k IoT zařízení a zapíná nebo vypíná relé pomocí 3,3V nebo 5V. Výstupní obvod má dva terminály, jeden může být napájení nebo uzemnění. Výstupní obvod může zvládnout až 250V při 10A, což je dost pro řadu zařízení napájených ze sítě. Můžete získat relé, která zvládnou ještě vyšší úrovně výkonu. diff --git a/translations/cs/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/cs/2-farm/lessons/3-automated-plant-watering/pi-relay.md index 5b24a5cf2..0ae717a6d 100644 --- a/translations/cs/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/cs/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove relé lze připojit k Raspberry Pi. Připojte relé. -![Grove relé](../../../../../translated_images/cs/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relé](../../../../../translated_images/cs/grove-relay.d426958ca210fbd0.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na relé. Kabel lze zasunout pouze jedním způsobem. 1. S vypnutým Raspberry Pi připojte druhý konec Grove kabelu do digitálního konektoru označeného **D5** na Grove Base Hat připojeném k Pi. Tento konektor je druhý zleva v řadě konektorů vedle GPIO pinů. Senzor vlhkosti půdy ponechte připojený ke konektoru **A0**. -![Grove relé připojené ke konektoru D5 a senzor vlhkosti půdy připojený ke konektoru A0](../../../../../translated_images/cs/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove relé připojené ke konektoru D5 a senzor vlhkosti půdy připojený ke konektoru A0](../../../../../translated_images/cs/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Zasuňte senzor vlhkosti půdy do půdy, pokud tam již není z předchozí lekce. diff --git a/translations/cs/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/cs/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 4a7455c81..90344f207 100644 --- a/translations/cs/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/cs/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Přidejte relé do aplikace CounterFit. 1. Klikněte na tlačítko **Add**, abyste vytvořili relé na pinu 5. - ![Nastavení relé](../../../../../translated_images/cs/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Nastavení relé](../../../../../translated_images/cs/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Relé bude vytvořeno a objeví se v seznamu aktuátorů. - ![Vytvořené relé](../../../../../translated_images/cs/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Vytvořené relé](../../../../../translated_images/cs/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Naprogramování relé diff --git a/translations/cs/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/cs/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index 4f3be602d..59456a3b4 100644 --- a/translations/cs/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/cs/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Grove relé lze připojit k digitálnímu portu Wio Terminalu. Připojte relé. -![Grove relé](../../../../../translated_images/cs/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Grove relé](../../../../../translated_images/cs/grove-relay.d426958ca210fbd0.webp) 1. Zasuňte jeden konec Grove kabelu do zásuvky na relé. Kabel lze zasunout pouze jedním způsobem. diff --git a/translations/cs/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/cs/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 20d6b5a63..57028976f 100644 --- a/translations/cs/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/cs/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Přesuňte svou rostlinu do cloudu -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-8.3f21f3c11159e6a0.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -46,8 +46,8 @@ To mohlo být velmi drahé, vyžadovalo širokou škálu kvalifikovaných zaměs Cloud je často žertovně označován jako "počítač někoho jiného". Původní myšlenka byla jednoduchá - místo nákupu počítačů si pronajmete počítač někoho jiného. Někdo jiný, poskytovatel cloudových služeb, by spravoval obrovská datová centra. Byl by zodpovědný za nákup a instalaci hardwaru, správu napájení a chlazení, síťovou infrastrukturu, zabezpečení budovy, aktualizace hardwaru a softwaru, vše. Jako zákazník byste si pronajali počítače, které potřebujete, pronajímali více, když poptávka stoupá, a snižovali počet pronajatých počítačů, když poptávka klesá. Tato cloudová datová centra jsou po celém světě. -![Microsoft cloudové datové centrum](../../../../../translated_images/cs/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Plánovaná expanze Microsoft cloudového datového centra](../../../../../translated_images/cs/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Microsoft cloudové datové centrum](../../../../../translated_images/cs/azure-region-existing.73f704604f2aa6cb.webp) +![Plánovaná expanze Microsoft cloudového datového centra](../../../../../translated_images/cs/azure-region-planned-expansion.a5074a1e8af74f15.webp) Tato datová centra mohou mít rozlohu několika čtverečních kilometrů. Obrázky výše byly pořízeny před několika lety v Microsoft cloudovém datovém centru a ukazují počáteční velikost spolu s plánovanou expanzí. Oblast vyčištěná pro expanzi má přes 5 čtverečních kilometrů. @@ -108,11 +108,11 @@ IoT služby v cloudu tyto problémy řeší. Jsou spravovány velkými poskytova IoT zařízení se připojují ke cloudové službě buď pomocí SDK zařízení (knihovny, která poskytuje kód pro práci s funkcemi služby), nebo přímo prostřednictvím komunikačního protokolu, jako je MQTT nebo HTTP. SDK zařízení je obvykle nejjednodušší cesta, protože se postará o vše, například o to, jaké témata publikovat nebo odebírat, a jak řešit zabezpečení. -![Zařízení se připojují ke službě pomocí SDK zařízení. Serverový kód se také připojuje ke službě prostřednictvím SDK](../../../../../translated_images/cs/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Zařízení se připojují ke službě pomocí SDK zařízení. Serverový kód se také připojuje ke službě prostřednictvím SDK](../../../../../translated_images/cs/iot-service-connectivity.7e873847921a5d6f.webp) Vaše zařízení pak komunikuje s ostatními částmi vaší aplikace prostřednictvím této služby - podobně jako jste posílali telemetrii a přijímali příkazy přes MQTT. To se obvykle děje pomocí SDK služby nebo podobné knihovny. Zprávy přicházejí z vašeho zařízení do služby, kde je ostatní komponenty vaší aplikace mohou číst, a zprávy mohou být posílány zpět na vaše zařízení. -![Zařízení bez platného tajného klíče se nemohou připojit k IoT službě](../../../../../translated_images/cs/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Zařízení bez platného tajného klíče se nemohou připojit k IoT službě](../../../../../translated_images/cs/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Tyto služby implementují zabezpečení tím, že znají všechna zařízení, která se mohou připojit a posílat data, buď tím, že jsou zařízení předem registrována u služby, nebo tím, že zařízení mají tajné klíče nebo certifikáty, které mohou použít k registraci u služby při prvním připojení. Neznámá zařízení se nemohou připojit, pokud se o to pokusí, služba připojení odmítne a ignoruje zprávy, které posílají. @@ -124,7 +124,7 @@ Ostatní komponenty vaší aplikace se mohou připojit k IoT službě a zjistit Nyní, když máte předplatné Azure, můžete se přihlásit k IoT službě. IoT služba od Microsoftu se nazývá Azure IoT Hub. -![Logo Azure IoT Hub](../../../../../translated_images/cs/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Logo Azure IoT Hub](../../../../../translated_images/cs/azure-iot-hub-logo.28a19de76d0a1932.webp) Níže uvedené video poskytuje krátký přehled o Azure IoT Hub: diff --git a/translations/cs/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/cs/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 32666ef23..a8699b412 100644 --- a/translations/cs/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/cs/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Přesuňte logiku své aplikace do cloudu -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-9.dfe99c8e891f48e1.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -28,7 +28,7 @@ V této lekci se zaměříme na: Serverless, nebo serverless computing, zahrnuje vytváření malých bloků kódu, které se spouštějí v cloudu v reakci na různé typy událostí. Když k události dojde, váš kód se spustí a předají se mu data o této události. Tyto události mohou pocházet z různých zdrojů, včetně webových požadavků, zpráv vložených do fronty, změn dat v databázi nebo zpráv odeslaných IoT zařízeními do IoT služby. -![Události odesílané z IoT služby do serverless služby, všechny zpracovávané současně více funkcemi](../../../../../translated_images/cs/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Události odesílané z IoT služby do serverless služby, všechny zpracovávané současně více funkcemi](../../../../../translated_images/cs/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Pokud jste někdy používali databázové triggery, můžete si to představit jako něco podobného – kód se spouští na základě události, například vložení řádku. @@ -54,7 +54,7 @@ Pro IoT vývojáře je serverless model ideální. Můžete napsat funkci, kter Serverless služba od Microsoftu se nazývá Azure Functions. -![Logo Azure Functions](../../../../../translated_images/cs/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Logo Azure Functions](../../../../../translated_images/cs/azure-functions-logo.1cfc8e3204c9c44a.webp) Krátké video níže poskytuje přehled Azure Functions. diff --git a/translations/cs/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/cs/2-farm/lessons/6-keep-your-plant-secure/README.md index f4da84697..34ea09940 100644 --- a/translations/cs/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/cs/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Udržujte svou rostlinu v bezpečí -![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-10.829c86b80b9403bb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -52,11 +52,11 @@ Toto jsou scénáře z reálného světa, které se dějí neustále. Některé Když se zařízení připojuje k IoT službě, používá ID k identifikaci. Problém je, že toto ID může být zkopírováno – hacker by mohl nastavit škodlivé zařízení, které používá stejné ID jako skutečné zařízení, ale posílá falešná data. -![Platná i škodlivá zařízení mohou používat stejné ID k odesílání telemetrie](../../../../../translated_images/cs/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Platná i škodlivá zařízení mohou používat stejné ID k odesílání telemetrie](../../../../../translated_images/cs/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Řešením je převést data, která jsou odesílána, do zašifrovaného formátu pomocí hodnoty známé pouze zařízení a cloudu. Tento proces se nazývá *šifrování* a hodnota použitá k šifrování dat se nazývá *šifrovací klíč*. -![Pokud je použito šifrování, budou přijímány pouze zašifrované zprávy, ostatní budou odmítnuty](../../../../../translated_images/cs/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Pokud je použito šifrování, budou přijímány pouze zašifrované zprávy, ostatní budou odmítnuty](../../../../../translated_images/cs/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Cloudová služba pak může data převést zpět do čitelného formátu pomocí procesu nazývaného *dešifrování*, buď pomocí stejného šifrovacího klíče, nebo *dešifrovacího klíče*. Pokud zašifrovanou zprávu nelze dešifrovat klíčem, zařízení bylo hacknuto a zpráva je odmítnuta. diff --git a/translations/cs/3-transport/lessons/1-location-tracking/README.md b/translations/cs/3-transport/lessons/1-location-tracking/README.md index 28df7dcfc..06b4192f1 100644 --- a/translations/cs/3-transport/lessons/1-location-tracking/README.md +++ b/translations/cs/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Sledování polohy -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-11.9fddbac4b664c6d5.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -63,13 +63,13 @@ Země je koule – trojrozměrný kruh. Z tohoto důvodu jsou body definovány r > 💁 Nikdo přesně neví, proč jsou kruhy rozděleny na 360 stupňů. [Stránka o stupních (úhlech) na Wikipedii](https://wikipedia.org/wiki/Degree_(angle)) pokrývá některé možné důvody. -![Čáry zeměpisné šířky od 90° na severním pólu, 45° v polovině mezi severním pólem a rovníkem, 0° na rovníku, -45° v polovině mezi rovníkem a jižním pólem a -90° na jižním pólu](../../../../../translated_images/cs/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Čáry zeměpisné šířky od 90° na severním pólu, 45° v polovině mezi severním pólem a rovníkem, 0° na rovníku, -45° v polovině mezi rovníkem a jižním pólem a -90° na jižním pólu](../../../../../translated_images/cs/latitude-lines.11d8d91dfb2014a5.webp) Zeměpisná šířka se měří pomocí čar, které obkružují Zemi a běží paralelně s rovníkem, rozdělují severní a jižní polokouli na 90° každou. Rovník je na 0°, severní pól je na 90°, také známý jako 90° severní šířky, a jižní pól je na -90°, nebo 90° jižní šířky. Zeměpisná délka se měří jako počet stupňů na východ a západ. Nulový poledník, označovaný jako *Prime Meridian*, byl v roce 1884 definován jako čára od severního k jižnímu pólu, která prochází [Královskou observatoří v Greenwichi, Anglie](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Čáry zeměpisné délky od -180° západně od Prime Meridian, přes 0° na Prime Meridian, až po 180° východně od Prime Meridian](../../../../../translated_images/cs/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Čáry zeměpisné délky od -180° západně od Prime Meridian, přes 0° na Prime Meridian, až po 180° východně od Prime Meridian](../../../../../translated_images/cs/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Poledník je imaginární přímka, která vede od severního pólu k jižnímu pólu a tvoří půlkruh. @@ -100,7 +100,7 @@ Souřadnice bodu se vždy uvádějí jako `zeměpisná šířka, zeměpisná dé * Zeměpisnou šířku 47.6423109 (47.6423109 stupňů severně od rovníku) * Zeměpisnou délku -122.1390293 (122.1390293 stupňů západně od Prime Meridian). -![Kampus Microsoftu na 47.6423109,-122.117198](../../../../../translated_images/cs/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Kampus Microsoftu na 47.6423109,-122.117198](../../../../../translated_images/cs/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Globální polohové systémy (GPS) @@ -112,7 +112,7 @@ GPS systémy fungují tak, že mají řadu satelitů, které vysílají signál > 💁 GPS senzory potřebují antény k detekci rádiových vln. Antény zabudované do nákladních aut a aut s vestavěným GPS jsou umístěny tak, aby měly dobrý signál, obvykle na čelním skle nebo střeše. Pokud používáte samostatný GPS systém, například chytrý telefon nebo IoT zařízení, musíte zajistit, aby anténa zabudovaná do GPS systému nebo telefonu měla jasný výhled na oblohu, například byla namontována na čelním skle. -![Díky znalosti vzdálenosti od senzoru k více satelitům lze vypočítat polohu](../../../../../translated_images/cs/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Díky znalosti vzdálenosti od senzoru k více satelitům lze vypočítat polohu](../../../../../translated_images/cs/gps-satellites.04acf1148fe25fbf.webp) GPS satelity obíhají Zemi, nejsou na pevném bodě nad senzorem, takže data o poloze zahrnují nadmořskou výšku nad hladinou moře i zeměpisnou šířku a délku. diff --git a/translations/cs/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/cs/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 17ac15406..130368bff 100644 --- a/translations/cs/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/cs/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS senzor lze připojit k Raspberry Pi. Připojte GPS senzor. -![Grove GPS senzor](../../../../../translated_images/cs/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/cs/grove-gps-sensor.247943bf69b03f0d.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na GPS senzoru. Kabel lze zasunout pouze jedním směrem. 1. S vypnutým Raspberry Pi připojte druhý konec Grove kabelu do konektoru UART označeného **UART** na Grove Base hat připojeném k Pi. Tento konektor se nachází ve střední řadě na straně blíže k slotu na SD kartu, na opačné straně od USB portů a ethernetového konektoru. - ![Grove GPS senzor připojený k UART konektoru](../../../../../translated_images/cs/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS senzor připojený k UART konektoru](../../../../../translated_images/cs/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Umístěte GPS senzor tak, aby připojená anténa měla viditelnost na oblohu - ideálně vedle otevřeného okna nebo venku. Je snazší získat jasnější signál, pokud anténě nic nepřekáží. diff --git a/translations/cs/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/cs/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index c3ec9a1fe..5cd8ff247 100644 --- a/translations/cs/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/cs/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Přidejte GPS senzor do aplikace CounterFit. 1. Vyberte tlačítko **Add** pro vytvoření GPS senzoru na portu `/dev/ttyAMA0`. - ![Nastavení GPS senzoru](../../../../../translated_images/cs/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Nastavení GPS senzoru](../../../../../translated_images/cs/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS senzor bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený GPS senzor](../../../../../translated_images/cs/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Vytvořený GPS senzor](../../../../../translated_images/cs/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Programování GPS senzoru @@ -102,17 +102,17 @@ Naprogramujte aplikaci GPS senzoru. * Nastavte **Source** na `Lat/Lon` a zadejte konkrétní zeměpisnou šířku, délku a počet satelitů použitých k získání GPS fixu. Tato hodnota bude odeslána pouze jednou, takže zaškrtněte políčko **Repeat**, aby se data opakovala každou sekundu. - ![GPS senzor s vybraným lat lon](../../../../../translated_images/cs/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![GPS senzor s vybraným lat lon](../../../../../translated_images/cs/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Nastavte **Source** na `NMEA` a přidejte některé NMEA věty do textového pole. Všechny tyto hodnoty budou odeslány, s prodlevou 1 sekundy před každou novou větou GGA (fixace polohy). - ![GPS senzor s nastavenými NMEA větami](../../../../../translated_images/cs/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![GPS senzor s nastavenými NMEA větami](../../../../../translated_images/cs/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Můžete použít nástroj jako [nmeagen.org](https://www.nmeagen.org) k vytvoření těchto vět nakreslením na mapě. Tyto hodnoty budou odeslány pouze jednou, takže zaškrtněte políčko **Repeat**, aby se data opakovala jednu sekundu poté, co byla všechna odeslána. * Nastavte **Source** na GPX soubor a nahrajte GPX soubor s trasovými lokacemi. GPX soubory můžete stáhnout z řady populárních mapovacích a turistických webů, jako je [AllTrails](https://www.alltrails.com/). Tyto soubory obsahují více GPS lokací jako trasu a GPS senzor vrátí každou novou lokaci v intervalech 1 sekundy. - ![GPS senzor s nastaveným GPX souborem](../../../../../translated_images/cs/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![GPS senzor s nastaveným GPX souborem](../../../../../translated_images/cs/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Tyto hodnoty budou odeslány pouze jednou, takže zaškrtněte políčko **Repeat**, aby se data opakovala jednu sekundu poté, co byla všechna odeslána. diff --git a/translations/cs/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/cs/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index b61591050..78c312452 100644 --- a/translations/cs/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/cs/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS senzor lze připojit k Wio Terminalu. Připojte GPS senzor. -![Grove GPS senzor](../../../../../translated_images/cs/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS senzor](../../../../../translated_images/cs/grove-gps-sensor.247943bf69b03f0d.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na GPS senzoru. Kabel lze zasunout pouze jedním směrem. diff --git a/translations/cs/3-transport/lessons/2-store-location-data/README.md b/translations/cs/3-transport/lessons/2-store-location-data/README.md index ab10b865a..80d27592c 100644 --- a/translations/cs/3-transport/lessons/2-store-location-data/README.md +++ b/translations/cs/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Ukládání dat o poloze -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-12.ca7f53039712a3ec.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -75,7 +75,7 @@ NoSQL databáze se nazývají NoSQL, protože nemají stejnou pevnou strukturu j > 💁 Navzdory svému názvu některé NoSQL databáze umožňují používat SQL k dotazování na data. -![Dokumenty ve složkách v NoSQL databázi](../../../../../translated_images/cs/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Dokumenty ve složkách v NoSQL databázi](../../../../../translated_images/cs/noqsl-database.62d24ccf5b73f60d.webp) NoSQL databáze nemají předem definované schéma, které by omezovalo způsob ukládání dat. Můžete do nich vkládat jakákoli nestrukturovaná data, obvykle ve formátu JSON. Tyto dokumenty mohou být organizovány do složek, podobně jako soubory na vašem počítači. Každý dokument může mít jiné pole než ostatní dokumenty - například pokud byste ukládali IoT data z vašich zemědělských vozidel, některá mohou mít pole pro data z akcelerometru a rychlosti, jiná mohou mít pole pro teplotu v přívěsu. Pokud byste přidali nový typ nákladního vozu, například s vestavěnými váhami pro sledování hmotnosti přepravovaného zboží, vaše IoT zařízení by mohlo přidat toto nové pole a mohlo by být uloženo bez jakýchkoli změn v databázi. @@ -89,7 +89,7 @@ V této lekci budete používat NoSQL úložiště pro ukládání IoT dat. V minulé lekci jste zachytili GPS data z GPS senzoru připojeného k vašemu IoT zařízení. Aby bylo možné tato IoT data uložit v cloudu, je potřeba je odeslat do IoT služby. Opět budete používat Azure IoT Hub, stejnou IoT cloudovou službu, kterou jste použili v předchozím projektu. -![Odesílání GPS telemetrie z IoT zařízení do IoT Hubu](../../../../../translated_images/cs/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Odesílání GPS telemetrie z IoT zařízení do IoT Hubu](../../../../../translated_images/cs/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Úkol - odesílání GPS dat do IoT Hubu @@ -171,7 +171,7 @@ Studená data jsou ukládána v datových skladech - databázích navržených p Jakmile data proudí do vašeho IoT Hubu, můžete napsat serverless kód, který bude naslouchat událostem publikovaným na Event-Hub kompatibilním endpointu. Toto je teplá cesta - tato data budou uložena a použita v další lekci pro reportování cesty. -![Odesílání GPS telemetrie z IoT zařízení do IoT Hubu a poté do Azure Functions pomocí triggeru Event Hub](../../../../../translated_images/cs/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Odesílání GPS telemetrie z IoT zařízení do IoT Hubu a poté do Azure Functions pomocí triggeru Event Hub](../../../../../translated_images/cs/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Úkol - zpracování GPS událostí pomocí serverless kódu @@ -193,7 +193,7 @@ Jakmile data proudí do vašeho IoT Hubu, můžete napsat serverless kód, kter ## Účty Azure Storage -![Logo Azure Storage](../../../../../translated_images/cs/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Logo Azure Storage](../../../../../translated_images/cs/azure-storage-logo.605c0f602c640d48.webp) Účty Azure Storage jsou univerzální službou úložiště, která umožňuje ukládat data různými způsoby. Data můžete ukládat jako blob, do front, do tabulek nebo jako soubory, a to vše současně. diff --git a/translations/cs/3-transport/lessons/3-visualize-location-data/README.md b/translations/cs/3-transport/lessons/3-visualize-location-data/README.md index c198dba1e..d1ae48d8c 100644 --- a/translations/cs/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/cs/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Vizualizace dat o poloze -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-13.a259db1485021be7.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -64,11 +64,11 @@ Jednoduchý příklad - v projektu farmy jste zachytili údaje o vlhkosti půdy. Pro člověka může být pochopení těchto dat obtížné. Je to jen stěna čísel bez jakéhokoli významu. Jako první krok k vizualizaci těchto dat je možné je vykreslit na čárovém grafu: -![Čárový graf výše uvedených dat](../../../../../translated_images/cs/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Čárový graf výše uvedených dat](../../../../../translated_images/cs/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Tento graf lze dále vylepšit přidáním čáry, která označuje, kdy byl automatický zavlažovací systém zapnut při hodnotě vlhkosti půdy 450: -![Čárový graf vlhkosti půdy s čárou na hodnotě 450](../../../../../translated_images/cs/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Čárový graf vlhkosti půdy s čárou na hodnotě 450](../../../../../translated_images/cs/chart-soil-moisture-relay.fbb391236d34a64d.webp) Tento graf velmi rychle ukazuje nejen úroveň vlhkosti půdy, ale také body, kdy byl zavlažovací systém zapnut. @@ -84,7 +84,7 @@ Při práci s GPS daty může být nejjasnější vizualizací vykreslení dat n Práce s mapami je zajímavé cvičení a existuje mnoho možností, jako jsou Bing Maps, Leaflet, Open Street Maps a Google Maps. V této lekci se naučíte o [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) a jak mohou zobrazovat vaše GPS data. -![Logo Azure Maps](../../../../../translated_images/cs/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Logo Azure Maps](../../../../../translated_images/cs/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps je "sbírka geospace služeb a SDK, které využívají aktuální mapová data k poskytování geografického kontextu webovým a mobilním aplikacím." Vývojáři mají k dispozici nástroje pro vytváření krásných, interaktivních map, které mohou například poskytovat doporučené trasy, informace o dopravních incidentech, navigaci uvnitř budov, vyhledávací funkce, informace o nadmořské výšce, povětrnostní služby a další. @@ -185,7 +185,7 @@ Nyní můžete přejít k dalšímu kroku, kterým je zobrazení mapy na webové Pokud otevřete svůj soubor `index.html` v webovém prohlížeči, měli byste vidět načtenou mapu zaměřenou na oblast Seattlu. - ![Mapa zobrazující Seattle, město ve státě Washington, USA](../../../../../translated_images/cs/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Mapa zobrazující Seattle, město ve státě Washington, USA](../../../../../translated_images/cs/map-image.8fb2c53eb23ef39c.webp) ✅ Experimentujte s parametry zoomu a centra pro změnu zobrazení mapy. Můžete přidat různé souřadnice odpovídající zeměpisné šířce a délce vašich dat pro přemístění mapy. @@ -319,7 +319,7 @@ Pokud provedete požadavek na své úložiště, abyste získali data, můžete 1. Načtěte HTML stránku ve svém prohlížeči. Načte mapu, poté načte všechna GPS data z úložiště a vykreslí je na mapě. - ![Mapa Saint Edward State Park poblíž Seattlu, s kruhy zobrazujícími cestu kolem okraje parku](../../../../../translated_images/cs/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Mapa Saint Edward State Park poblíž Seattlu, s kruhy zobrazujícími cestu kolem okraje parku](../../../../../translated_images/cs/map-path.896832e72dc696ff.webp) > 💁 Tento kód najdete ve složce [code](../../../../../3-transport/lessons/3-visualize-location-data/code). diff --git a/translations/cs/3-transport/lessons/4-geofences/README.md b/translations/cs/3-transport/lessons/4-geofences/README.md index 0637ee0d3..1ba266c0c 100644 --- a/translations/cs/3-transport/lessons/4-geofences/README.md +++ b/translations/cs/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geofencing -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-14.63980c5150ae3c15.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -35,7 +35,7 @@ V této lekci se zaměříme na: Geofence je virtuální obvod pro geografickou oblast v reálném světě. Geofences mohou být kruhy definované jako bod a poloměr (například kruh o průměru 100 m kolem budovy) nebo polygon pokrývající oblast, jako je školní zóna, hranice města nebo univerzitní či kancelářský kampus. -![Několik příkladů geofencí ukazujících kruhovou geofence kolem obchodu Microsoft a polygonovou geofence kolem západního kampusu Microsoft](../../../../../translated_images/cs/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Několik příkladů geofencí ukazujících kruhovou geofence kolem obchodu Microsoft a polygonovou geofence kolem západního kampusu Microsoft](../../../../../translated_images/cs/geofence-examples.172fbc534665769f.webp) > 💁 Možná jste již používali geofences, aniž byste o tom věděli. Pokud jste nastavili připomínku pomocí aplikace iOS Reminders nebo Google Keep na základě polohy, použili jste geofence. Tyto aplikace nastaví geofence na základě zadané polohy a upozorní vás, když váš telefon vstoupí do geofence. @@ -212,7 +212,7 @@ Je důležité znát vzdálenost k okraji geofence a kombinovat ji s dalšími i Například si představte GPS záznamy ukazující, že vozidlo jelo po silnici, která končí vedle geofence. Pokud jediná GPS hodnota není přesná a umístí vozidlo uvnitř geofence, přestože tam není žádný přístup pro vozidla, může být ignorována. -![GPS stopa ukazující vozidlo projíždějící kolem kampusu Microsoft na 520, s GPS záznamy podél silnice kromě jednoho na kampusu, uvnitř geofence](../../../../../translated_images/cs/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS stopa ukazující vozidlo projíždějící kolem kampusu Microsoft na 520, s GPS záznamy podél silnice kromě jednoho na kampusu, uvnitř geofence](../../../../../translated_images/cs/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) Na obrázku je geofence pokrývající část kampusu Microsoftu. Červená čára ukazuje trasu nákladního vozu jedoucího po dálnici 520, s kruhy označujícími GPS záznamy. Většina záznamů je přesná a odpovídá trase po dálnici 520, ale jeden nepřesný záznam se nachází uvnitř geofence. Tento záznam nemůže být správný – neexistují žádné silnice, po kterých by se nákladní vůz mohl náhle odchýlit z dálnice 520 na kampus a poté se vrátit zpět na dálnici 520. Kód, který kontroluje tuto geofence, bude muset vzít v úvahu předchozí záznamy, než začne jednat na základě výsledků testu geofence. ✅ Jaké další údaje byste potřebovali zkontrolovat, abyste zjistili, zda lze GPS záznam považovat za správný? @@ -284,7 +284,7 @@ Jak si pamatujete z předchozích lekcí, IoT Hub umožňuje přehrávat událos Odpověď je, že to nemůže! Místo toho můžete definovat více samostatných připojení pro čtení událostí, a každé z nich může spravovat přehrávání nepřečtených zpráv. Tyto se nazývají *consumer groups*. Když se připojíte k endpointu, můžete specifikovat, ke které consumer group se chcete připojit. Každá komponenta vaší aplikace se připojí k jiné consumer group. -![Jeden IoT Hub se 3 consumer groups distribuující stejné zprávy do 3 různých Functions aplikací](../../../../../translated_images/cs/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Jeden IoT Hub se 3 consumer groups distribuující stejné zprávy do 3 různých Functions aplikací](../../../../../translated_images/cs/consumer-groups.a3262e26fc27ba20.webp) Teoreticky se může ke každé consumer group připojit až 5 aplikací, a všechny obdrží zprávy, když dorazí. Nejlepší praxí je mít pouze jednu aplikaci přistupující ke každé consumer group, aby se zabránilo duplicitnímu zpracování zpráv a zajistilo, že při restartování budou všechny zařazené zprávy správně zpracovány. Například pokud spustíte svou Functions aplikaci lokálně i v cloudu, obě budou zpracovávat zprávy, což povede k duplicitním blobům uloženým v úložišti. diff --git a/translations/cs/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/cs/4-manufacturing/lessons/1-train-fruit-detector/README.md index 8f7ab3962..bcc6f7120 100644 --- a/translations/cs/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/cs/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Trénink detektoru kvality ovoce -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -38,7 +38,7 @@ Ne všechny plodiny dozrávají rovnoměrně. Například rajčata mohou mít na Rozmach automatizované sklizně přesunul třídění plodin ze sklizně do továren. Potraviny se pohybovaly na dlouhých dopravníkových pásech, kde týmy lidí vybíraly plodiny, které neodpovídaly požadovaným kvalitativním standardům. Sklizeň byla díky strojům levnější, ale stále zde byly náklady na ruční třídění potravin. -![Pokud je detekováno červené rajče, pokračuje na pásu. Pokud je detekováno zelené rajče, páka ho odhodí do odpadního koše.](../../../../../translated_images/cs/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Pokud je detekováno červené rajče, pokračuje na pásu. Pokud je detekováno zelené rajče, páka ho odhodí do odpadního koše.](../../../../../translated_images/cs/optical-tomato-sorting.61aa134bdda4e5b1.webp) Další evolucí bylo použití strojů k třídění, buď zabudovaných do sklízecích strojů, nebo v zpracovatelských závodech. První generace těchto strojů používala optické senzory k detekci barev, ovládající akční členy, které zelená rajčata odhazovaly do odpadního koše pomocí pák nebo proudů vzduchu, zatímco červená rajčata pokračovala na síti dopravníkových pásů. @@ -62,7 +62,7 @@ Například můžete modelu poskytnout miliony obrázků nezralých banánů jak > 🎓 Výsledky modelů ML se nazývají *predikce*. -![2 banány, jeden zralý s predikcí 99,7 % zralý, 0,3 % nezralý, a jeden nezralý s predikcí 1,4 % zralý, 98,6 % nezralý.](../../../../../translated_images/cs/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banány, jeden zralý s predikcí 99,7 % zralý, 0,3 % nezralý, a jeden nezralý s predikcí 1,4 % zralý, 98,6 % nezralý.](../../../../../translated_images/cs/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) Modely ML neposkytují binární odpověď, místo toho poskytují pravděpodobnosti. Například model může dostat obrázek banánu a předpovědět `zralý` s 99,7 % a `nezralý` s 0,3 %. Váš kód poté vybere nejlepší predikci a rozhodne, že banán je zralý. @@ -90,7 +90,7 @@ Existuje široká škála nástrojů, které vám s tím mohou pomoci, včetně Custom Vision je cloudový nástroj pro trénink klasifikátorů obrázků. Umožňuje vám trénovat klasifikátor pomocí pouze malého počtu obrázků. Obrázky můžete nahrávat prostřednictvím webového portálu, webového API nebo SDK, přičemž každému obrázku přiřadíte *tag*, který představuje klasifikaci daného obrázku. Poté model vytrénujete a otestujete, jak dobře funguje. Jakmile jste s modelem spokojeni, můžete publikovat jeho verze, které lze přistupovat prostřednictvím webového API nebo SDK. -![Logo Azure Custom Vision](../../../../../translated_images/cs/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Logo Azure Custom Vision](../../../../../translated_images/cs/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Model Custom Vision můžete trénovat s pouhými 5 obrázky na klasifikaci, ale více je lepší. Lepších výsledků dosáhnete s alespoň 30 obrázky. @@ -146,7 +146,7 @@ Pro použití Custom Vision musíte nejprve vytvořit dva zdroje kognitivních s Při vytváření projektu se ujistěte, že používáte zdroj `fruit-quality-detector-training`, který jste vytvořili dříve. Použijte typ projektu *Classification*, typ klasifikace *Multiclass* a doménu *Food*. - ![Nastavení projektu Custom Vision s názvem fruit-quality-detector, bez popisu, zdrojem nastaveným na fruit-quality-detector-training, typem projektu nastaveným na classification, typem klasifikace na multi class a doménou na food.](../../../../../translated_images/cs/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Nastavení projektu Custom Vision s názvem fruit-quality-detector, bez popisu, zdrojem nastaveným na fruit-quality-detector-training, typem projektu nastaveným na classification, typem klasifikace na multi class a doménou na food.](../../../../../translated_images/cs/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Věnujte nějaký čas prozkoumání uživatelského rozhraní Custom Vision pro váš klasifikátor obrázků. @@ -164,7 +164,7 @@ Klasifikátory obrázků pracují s velmi nízkým rozlišením. Například Cus * Použijte 2 zralé banány, vyfoťte každý z nich z několika různých úhlů, pořiďte alespoň 7 obrázků (5 pro trénink, 2 pro testování), ale ideálně více. - ![Fotografie 2 různých banánů](../../../../../translated_images/cs/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Fotografie 2 různých banánů](../../../../../translated_images/cs/banana-training-images.530eb203346d73bc.webp) * Opakujte stejný proces s 2 nezralými banány. @@ -174,7 +174,7 @@ Klasifikátory obrázků pracují s velmi nízkým rozlišením. Například Cus 1. Postupujte podle [sekce nahrání a označení obrázků v rychlém startu pro vytvoření klasifikátoru na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) a nahrajte své trénovací obrázky. Označte zralé ovoce jako `ripe` a nezralé ovoce jako `unripe`. - ![Dialogy nahrávání ukazující nahrávání obrázků zralých a nezralých banánů](../../../../../translated_images/cs/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dialogy nahrávání ukazující nahrávání obrázků zralých a nezralých banánů](../../../../../translated_images/cs/image-upload-bananas.0751639f3815e0ec.webp) 1. Postupujte podle [sekce trénování klasifikátoru v rychlém startu pro vytvoření klasifikátoru na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) a natrénujte klasifikátor obrázků na svých nahraných obrázcích. @@ -192,7 +192,7 @@ Jakmile je váš klasifikátor natrénován, můžete jej otestovat tím, že mu 1. Postupujte podle [dokumentace testování modelu na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) a otestujte svůj klasifikátor obrázků. Použijte testovací obrázky, které jste vytvořili dříve, nikoli žádné z obrázků, které jste použili pro trénování. - ![Nezralý banán předpovězen jako nezralý s pravděpodobností 98,9 %, zralý s pravděpodobností 1,1 %](../../../../../translated_images/cs/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Nezralý banán předpovězen jako nezralý s pravděpodobností 98,9 %, zralý s pravděpodobností 1,1 %](../../../../../translated_images/cs/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Vyzkoušejte všechny testovací obrázky, které máte k dispozici, a sledujte pravděpodobnosti. diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/README.md index b0235a8b9..d9a3dced3 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Kontrola kvality ovoce pomocí IoT zařízení -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-16.215daf18b00631fb.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -26,7 +26,7 @@ V této lekci se zaměříme na: Kamerové senzory, jak název napovídá, jsou kamery, které můžete připojit k vašemu IoT zařízení. Mohou pořizovat statické obrázky nebo zachytávat streamované video. Některé vracejí surová obrazová data, jiné komprimují obrazová data do souborů, jako je JPEG nebo PNG. Obvykle jsou kamery, které fungují s IoT zařízeními, mnohem menší a mají nižší rozlišení, než na jaké jste zvyklí, ale můžete získat kamery s vysokým rozlišením, které se vyrovnají špičkovým telefonům. Můžete si pořídit různé vyměnitelné objektivy, sestavy s více kamerami, infračervené termální kamery nebo UV kamery. -![Světlo ze scény prochází objektivem a je zaostřeno na CMOS senzor](../../../../../translated_images/cs/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Světlo ze scény prochází objektivem a je zaostřeno na CMOS senzor](../../../../../translated_images/cs/cmos-sensor.75f9cd74decb1371.webp) Většina kamerových senzorů používá obrazové senzory, kde každý pixel je fotodioda. Objektiv zaostřuje obraz na obrazový senzor a tisíce nebo miliony fotodiod detekují světlo dopadající na každou z nich a zaznamenávají to jako obrazová data. @@ -74,7 +74,7 @@ Iterace se publikují z portálu Custom Vision. 1. Klikněte na tlačítko **Publikovat** pro danou iteraci. - ![Tlačítko publikovat](../../../../../translated_images/cs/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Tlačítko publikovat](../../../../../translated_images/cs/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. V dialogu *Publikovat model* nastavte *Predikční zdroj* na zdroj `fruit-quality-detector-prediction`, který jste vytvořili v minulé lekci. Název ponechte jako `Iteration2` a klikněte na tlačítko **Publikovat**. @@ -88,7 +88,7 @@ Iterace se publikují z portálu Custom Vision. Také si zkopírujte hodnotu *Prediction-Key*. Toto je bezpečnostní klíč, který musíte předat při volání modelu. Pouze aplikace, které předají tento klíč, mají povolení používat model, všechny ostatní aplikace jsou odmítnuty. - ![Dialog predikčního API zobrazující URL a klíč](../../../../../translated_images/cs/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialog predikčního API zobrazující URL a klíč](../../../../../translated_images/cs/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Když je publikována nová iterace, bude mít jiný název. Jak si myslíte, že byste změnili iteraci, kterou IoT zařízení používá? @@ -109,7 +109,7 @@ Může se stát, že výsledky, které získáte při použití kamery připojen Abyste dosáhli nejlepších výsledků u klasifikátoru obrázků, chcete model trénovat na obrázcích, které jsou co nejpodobnější obrázkům používaným pro predikce. Pokud jste například použili kameru telefonu k zachycení obrázků pro trénování, kvalita obrázku, ostrost a barvy budou odlišné od kamery připojené k IoT zařízení. -![2 obrázky banánů, jeden s nízkým rozlišením a špatným osvětlením z IoT zařízení, druhý s vysokým rozlišením a dobrým osvětlením z telefonu](../../../../../translated_images/cs/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 obrázky banánů, jeden s nízkým rozlišením a špatným osvětlením z IoT zařízení, druhý s vysokým rozlišením a dobrým osvětlením z telefonu](../../../../../translated_images/cs/banana-picture-compare.174df164dc326a42.webp) Na obrázku výše byl obrázek banánu vlevo pořízen pomocí kamery Raspberry Pi, zatímco obrázek vpravo byl pořízen stejného banánu na stejném místě pomocí iPhonu. Je zde znatelný rozdíl v kvalitě – obrázek z iPhonu je ostřejší, s jasnějšími barvami a větším kontrastem. diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 873e4baef..b7c6d2404 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Kamera se k Raspberry Pi připojuje pomocí plochého kabelu. ### Úkol - připojte kameru -![Kamera Raspberry Pi](../../../../../translated_images/cs/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Kamera Raspberry Pi](../../../../../translated_images/cs/pi-camera-module.4278753c31bd6e75.webp) 1. Vypněte Raspberry Pi. @@ -24,17 +24,17 @@ Kamera se k Raspberry Pi připojuje pomocí plochého kabelu. Animaci, jak otevřít klip a vložit kabel, najdete v [dokumentaci Raspberry Pi Getting Started with the Camera module](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Plochý kabel zasunutý do kamerového modulu](../../../../../translated_images/cs/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Plochý kabel zasunutý do kamerového modulu](../../../../../translated_images/cs/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Odstraňte Grove Base Hat z Raspberry Pi. 1. Provlékněte plochý kabel otvorem pro kameru v Grove Base Hat. Ujistěte se, že modrá strana kabelu směřuje k analogovým portům označeným **A0**, **A1** atd. - ![Plochý kabel procházející Grove Base Hat](../../../../../translated_images/cs/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Plochý kabel procházející Grove Base Hat](../../../../../translated_images/cs/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Zasuňte plochý kabel do kamerového portu na Raspberry Pi. Opět vytáhněte černý plastový klip nahoru, vložte kabel a poté klip zatlačte zpět. Modrá strana kabelu by měla směřovat k USB a ethernetovým portům. - ![Plochý kabel připojený ke kamerovému portu na Raspberry Pi](../../../../../translated_images/cs/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Plochý kabel připojený ke kamerovému portu na Raspberry Pi](../../../../../translated_images/cs/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Nasaďte zpět Grove Base Hat. @@ -101,7 +101,7 @@ Naprogramujte zařízení. Řádek `camera.rotation = 0` nastavuje rotaci obrázku. Plochý kabel vychází ze spodní části kamery, ale pokud je vaše kamera otočena, aby lépe mířila na objekt, který chcete klasifikovat, můžete tento řádek změnit na počet stupňů rotace. - ![Kamera zavěšená nad plechovkou nápoje](../../../../../translated_images/cs/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Kamera zavěšená nad plechovkou nápoje](../../../../../translated_images/cs/pi-camera-upside-down.5376961ba3145988.webp) Například pokud zavěsíte plochý kabel nad něco tak, že je nahoře kamery, nastavte rotaci na 180: diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 67f49e5a3..e7045509e 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Služba Custom Vision má Python SDK, které můžete použít ke klasifikaci ob Budete schopni vidět obrázek, který byl pořízen, a tyto hodnoty na záložce **Predictions** v Custom Vision. - ![Banán v Custom Vision předpovězený jako zralý na 56,8 % a nezralý na 43,1 %](../../../../../translated_images/cs/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banán v Custom Vision předpovězený jako zralý na 56,8 % a nezralý na 43,1 %](../../../../../translated_images/cs/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Tento kód najdete ve složce [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) nebo [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 60937e625..93af2aa44 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Přidejte kameru do aplikace CounterFit. 1. Vyberte tlačítko **Add** pro vytvoření kamery. - ![Nastavení kamery](../../../../../translated_images/cs/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Nastavení kamery](../../../../../translated_images/cs/counterfit-create-camera.a5de97f59c0bd3cb.webp) Kamera bude vytvořena a objeví se v seznamu senzorů. - ![Vytvořená kamera](../../../../../translated_images/cs/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Vytvořená kamera](../../../../../translated_images/cs/counterfit-camera.001ec52194c8ee5d.webp) ## Programování kamery @@ -103,7 +103,7 @@ Naprogramujte zařízení. 1. Nakonfigurujte obrázek, který kamera v CounterFit zachytí. Můžete buď nastavit *Source* na *File*, poté nahrát obrázkový soubor, nebo nastavit *Source* na *WebCam*, a obrázky budou zachyceny z vaší webové kamery. Ujistěte se, že po výběru obrázku nebo webové kamery stisknete tlačítko **Set**. - ![CounterFit s nastaveným souborem jako zdrojem obrázku a webovou kamerou zobrazující osobu držící banán v náhledu webové kamery](../../../../../translated_images/cs/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit s nastaveným souborem jako zdrojem obrázku a webovou kamerou zobrazující osobu držící banán v náhledu webové kamery](../../../../../translated_images/cs/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Obrázek bude zachycen a uložen jako `image.jpg` v aktuální složce. Tento soubor uvidíte v průzkumníku VS Code. Vyberte soubor pro zobrazení obrázku. Pokud je potřeba rotace, upravte řádek `camera.rotation = 0` podle potřeby a pořiďte další snímek. diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 3fe519c0b..f4a4df039 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam nemá Grove konektor, místo toho se připojuje k SPI a I2C sběrnicím Připojte kameru. -![Senzor ArduCam](../../../../../translated_images/cs/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Senzor ArduCam](../../../../../translated_images/cs/arducam.20e4e4cbb2682965.webp) 1. Piny na spodní straně ArduCam musí být připojeny k GPIO pinům na Wio Terminalu. Aby bylo snazší najít správné piny, připevněte kolem pinů nálepku GPIO pinů, která je součástí Wio Terminalu: @@ -35,7 +35,7 @@ Připojte kameru. | SDA | 3 (I2C1_SDA) | I2C Serial Data | | SCL | 5 (I2C1_SCL) | I2C Serial Clock | - ![Wio Terminal připojený k ArduCam pomocí propojovacích vodičů](../../../../../translated_images/cs/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal připojený k ArduCam pomocí propojovacích vodičů](../../../../../translated_images/cs/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Připojení GND a VCC poskytuje napájení 5V pro ArduCam. Kamera běží na 5V, na rozdíl od Grove senzorů, které běží na 3V. Toto napájení pochází přímo z USB-C připojení, které napájí zařízení. @@ -456,7 +456,7 @@ Wio Terminal podporuje pouze microSD karty o velikosti až 16GB. Pokud máte vě 1. Vypněte microSD kartu a vysuňte ji mírným zatlačením a uvolněním, a karta vyskočí. Možná budete potřebovat tenký nástroj, abyste to udělali. Připojte microSD kartu k vašemu počítači, abyste si mohli prohlédnout obrázky. - ![Obrázek banánu zachycený pomocí ArduCam](../../../../../translated_images/cs/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Obrázek banánu zachycený pomocí ArduCam](../../../../../translated_images/cs/banana-arducam.be1b32d4267a8194.webp) 💁 Může trvat několik snímků, než se vyvážení bílé kamery samo upraví. Všimnete si toho podle barvy zachycených snímků, první několik může vypadat barevně nesprávně. Vždy to můžete obejít změnou kódu tak, aby zachytil několik snímků, které jsou ignorovány ve funkci `setup`. diff --git a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 666eb4e6a..7bb84e79d 100644 --- a/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/cs/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Certifikáty obsahují veřejné klíče a není nutné je uchovávat v tajnosti Budete schopni vidět obrázek, který byl pořízen, a tyto hodnoty na záložce **Predictions** ve službě Custom Vision. - ![Banán v Custom Vision předpovězený jako zralý na 56.8% a nezralý na 43.1%](../../../../../translated_images/cs/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Banán v Custom Vision předpovězený jako zralý na 56.8% a nezralý na 43.1%](../../../../../translated_images/cs/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Tento kód najdete ve složce [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/cs/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/cs/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 5fffa13e7..4d19c51ab 100644 --- a/translations/cs/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/cs/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Spusťte detektor ovoce na okraji -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-17.bc333c3c35ba8e42.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -33,11 +33,11 @@ V této lekci se zaměříme na: Edge computing zahrnuje použití počítačů, které zpracovávají data IoT co nejblíže místu, kde jsou data generována. Místo zpracování v cloudu se přesouvá na okraj cloudu - do vaší interní sítě. -![Diagram architektury zobrazující internetové služby v cloudu a IoT zařízení v lokální síti](../../../../../translated_images/cs/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Diagram architektury zobrazující internetové služby v cloudu a IoT zařízení v lokální síti](../../../../../translated_images/cs/cloud-without-edge.b4da641f6022c95e.webp) V dosavadních lekcích jste měli zařízení, která shromažďovala data a odesílala je do cloudu k analýze, kde běžely serverless funkce nebo AI modely. -![Diagram architektury zobrazující IoT zařízení v lokální síti připojená k edge zařízením, která se připojují k cloudu](../../../../../translated_images/cs/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Diagram architektury zobrazující IoT zařízení v lokální síti připojená k edge zařízením, která se připojují k cloudu](../../../../../translated_images/cs/cloud-with-edge.1e26462c62c126fe.webp) Edge computing zahrnuje přesun některých cloudových služeb z cloudu na počítače běžící ve stejné síti jako IoT zařízení, přičemž komunikace s cloudem probíhá pouze v případě potřeby. Například můžete spouštět AI modely na edge zařízeních pro analýzu zralosti ovoce a do cloudu odesílat pouze analytická data, jako je počet zralých kusů ovoce oproti nezralým. @@ -85,7 +85,7 @@ Pro IoT systémy budete často chtít kombinaci cloudového a edge computingu, v ## Azure IoT Edge -![Logo Azure IoT Edge](../../../../../translated_images/cs/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Logo Azure IoT Edge](../../../../../translated_images/cs/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge je služba, která vám může pomoci přesunout pracovní zátěže z cloudu na okraj. Nastavíte zařízení jako edge zařízení a z cloudu můžete na toto edge zařízení nasadit kód. To vám umožňuje kombinovat schopnosti cloudu a okraje. @@ -99,7 +99,7 @@ IoT Edge je součástí IoT Hubu, takže můžete spravovat edge zařízení pom IoT Edge spouští kód z *kontejnerů* - samostatných aplikací, které běží izolovaně od ostatních aplikací na vašem počítači. Když spustíte kontejner, chová se jako samostatný počítač běžící uvnitř vašeho počítače, se svým vlastním softwarem, službami a aplikacemi. Většinou kontejnery nemohou přistupovat k ničemu na vašem počítači, pokud se nerozhodnete sdílet například složku s kontejnerem. Kontejner pak zpřístupňuje služby prostřednictvím otevřeného portu, ke kterému se můžete připojit nebo jej zpřístupnit vaší síti. -![Webový požadavek přesměrovaný do kontejneru](../../../../../translated_images/cs/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Webový požadavek přesměrovaný do kontejneru](../../../../../translated_images/cs/container-web-browser.4ee81dd4f0d8838c.webp) Například můžete mít kontejner s webovou stránkou běžící na portu 80, což je výchozí HTTP port, a můžete jej zpřístupnit z vašeho počítače také na portu 80. @@ -195,11 +195,11 @@ Jakmile je model natrénován, je třeba jej exportovat jako kontejner. ## Příprava kontejneru pro nasazení -![Kontejnery jsou vytvořeny, poté nahrány do registru kontejnerů a nasazeny na edge zařízení pomocí IoT Edge](../../../../../translated_images/cs/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Kontejnery jsou vytvořeny, poté nahrány do registru kontejnerů a nasazeny na edge zařízení pomocí IoT Edge](../../../../../translated_images/cs/container-edge-flow.c246050dd60ceefd.webp) Jakmile stáhnete svůj model, je třeba jej sestavit do kontejneru a poté nahrát do registru kontejnerů – online úložiště, kde můžete kontejnery uchovávat. IoT Edge poté může stáhnout kontejner z registru a nasadit jej na vaše zařízení. -![Logo Azure Container Registry](../../../../../translated_images/cs/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Logo Azure Container Registry](../../../../../translated_images/cs/azure-container-registry-logo.09494206991d4b29.webp) Registr kontejnerů, který budete používat v této lekci, je Azure Container Registry. Tato služba není zdarma, takže abyste ušetřili peníze, ujistěte se, že [vyčistíte svůj projekt](../../../clean-up.md), jakmile skončíte. diff --git a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index be637a14f..298d97c24 100644 --- a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Spuštění detekce kvality ovoce pomocí senzoru -![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-18.92c32ed1d354caa5.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -39,7 +39,7 @@ IoT aplikace lze popsat jako *věci* (zařízení), které odesílají data, je ### Referenční IoT architektura -![Referenční IoT architektura](../../../../../translated_images/cs/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Referenční IoT architektura](../../../../../translated_images/cs/iot-reference-architecture.2278b98b55c6d4e8.webp) Výše uvedený diagram ukazuje referenční IoT architekturu. @@ -49,7 +49,7 @@ Výše uvedený diagram ukazuje referenční IoT architekturu. * **Poznatky** pocházejí ze serverless aplikací nebo z analýz prováděných na uložených datech. * **Akce** mohou být příkazy odeslané zařízením nebo vizualizace dat umožňující lidem činit rozhodnutí. -![Referenční IoT architektura](../../../../../translated_images/cs/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Referenční IoT architektura](../../../../../translated_images/cs/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Výše uvedený diagram ukazuje některé komponenty a služby, které byly dosud v těchto lekcích pokryty, a jak se propojují v referenční IoT architektuře. @@ -89,7 +89,7 @@ Musíte vytvořit systém, kde bude ovoce detekováno při příjezdu na dopravn ### Prototypování vaší aplikace -![Referenční IoT architektura pro kontrolu kvality ovoce](../../../../../translated_images/cs/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Referenční IoT architektura pro kontrolu kvality ovoce](../../../../../translated_images/cs/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Výše uvedený diagram ukazuje referenční architekturu pro tento prototyp aplikace. @@ -124,7 +124,7 @@ Projděte si příslušného průvodce, jak použít proximity senzor k detekci Prototyp detektoru ovoce má více komponent, které spolu komunikují. -![Komponenty komunikující mezi sebou](../../../../../translated_images/cs/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Komponenty komunikující mezi sebou](../../../../../translated_images/cs/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Proximity senzor měří vzdálenost k ovoci a odesílá ji do IoT Hubu. * Příkaz k ovládání kamery přichází z IoT Hubu do zařízení s kamerou. diff --git a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index ead5f75fb..b989b924d 100644 --- a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Senzor Grove Time of Flight lze připojit k Raspberry Pi. Připojte senzor Time of Flight. -![Senzor Grove Time of Flight](../../../../../translated_images/cs/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Senzor Grove Time of Flight](../../../../../translated_images/cs/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na senzoru Time of Flight. Kabel lze zasunout pouze jedním způsobem. diff --git a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 9b83e1088..002001784 100644 --- a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Přidejte senzor vzdálenosti do aplikace CounterFit. 1. Klikněte na tlačítko **Add** pro vytvoření senzoru vzdálenosti. - ![Nastavení senzoru vzdálenosti](../../../../../translated_images/cs/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Nastavení senzoru vzdálenosti](../../../../../translated_images/cs/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Senzor vzdálenosti bude vytvořen a objeví se v seznamu senzorů. - ![Vytvořený senzor vzdálenosti](../../../../../translated_images/cs/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Vytvořený senzor vzdálenosti](../../../../../translated_images/cs/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Naprogramování senzoru vzdálenosti diff --git a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 3fa9a165c..2885c45a4 100644 --- a/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/cs/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove senzor Time of Flight lze připojit k Wio Terminalu. Připojte senzor Time of Flight. -![Grove senzor Time of Flight](../../../../../translated_images/cs/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Grove senzor Time of Flight](../../../../../translated_images/cs/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na senzoru Time of Flight. Kabel lze zasunout pouze jedním způsobem. diff --git a/translations/cs/5-retail/lessons/1-train-stock-detector/README.md b/translations/cs/5-retail/lessons/1-train-stock-detector/README.md index 140cc18b9..734373286 100644 --- a/translations/cs/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/cs/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Trénujte detektor zásob -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-19.cf6973cecadf080c.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -36,7 +36,7 @@ Detekce objektů zahrnuje rozpoznávání objektů na obrázcích pomocí AI. Na Klasifikace obrázků se zaměřuje na klasifikaci celého obrázku – jaké jsou pravděpodobnosti, že celý obrázek odpovídá každému štítku. Získáte zpět pravděpodobnosti pro každý štítek použitý při trénování modelu. -![Klasifikace obrázků kešu ořechů a rajčatového protlaku](../../../../../translated_images/cs/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Klasifikace obrázků kešu ořechů a rajčatového protlaku](../../../../../translated_images/cs/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) V příkladu výše jsou dva obrázky klasifikovány pomocí modelu trénovaného na klasifikaci kelímků kešu ořechů nebo plechovek rajčatového protlaku. První obrázek je kelímek kešu ořechů a má dva výsledky z klasifikátoru obrázků: @@ -60,7 +60,7 @@ Když jej pak použijete k předpovědi obrázků, místo seznamu štítků a pr > 🎓 *Ohraničující rámečky* jsou rámečky kolem objektu. -![Detekce objektů kešu ořechů a rajčatového protlaku](../../../../../translated_images/cs/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Detekce objektů kešu ořechů a rajčatového protlaku](../../../../../translated_images/cs/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Obrázek výše obsahuje jak kelímek kešu ořechů, tak tři plechovky rajčatového protlaku. Detektor objektů detekoval kešu ořechy, vrací ohraničující rámeček, který obsahuje kešu ořechy, s procentní pravděpodobností, že ohraničující rámeček obsahuje objekt, v tomto případě 97.6%. Detektor objektů také detekoval tři plechovky rajčatového protlaku a poskytuje tři samostatné ohraničující rámečky, jeden pro každou detekovanou plechovku, a každá má procentní pravděpodobnost, že ohraničující rámeček obsahuje plechovku rajčatového protlaku. @@ -111,7 +111,7 @@ Detektor objektů můžete trénovat pomocí Custom Vision, podobně jako jste t Při vytváření projektu se ujistěte, že používáte trénovací prostředek `stock-detector-training`, který jste vytvořili dříve. Použijte typ projektu *Detekce objektů* a doménu *Produkty na regálech*. - ![Nastavení projektu Custom Vision s názvem nastaveným na fruit-quality-detector, bez popisu, prostředek nastavený na fruit-quality-detector-training, typ projektu nastavený na klasifikaci, typy klasifikace nastavené na multi class a domény nastavené na food](../../../../../translated_images/cs/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Nastavení projektu Custom Vision s názvem nastaveným na fruit-quality-detector, bez popisu, prostředek nastavený na fruit-quality-detector-training, typ projektu nastavený na klasifikaci, typy klasifikace nastavené na multi class a domény nastavené na food](../../../../../translated_images/cs/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Doména produktů na regálech je specificky zaměřena na detekci zásob na regálech v obchodech. Přečtěte si více o různých doménách v [dokumentaci Výběr domény na Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) @@ -133,11 +133,11 @@ K trénování modelu budete potřebovat sadu obrázků obsahujících objekty, 1. Postupujte podle [sekce Nahrání a označení obrázků v rychlém startu Vytvoření detektoru objektů 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) pro nahrání vašich trénovacích obrázků. Vytvořte relevantní štítky podle typů objektů, které chcete detekovat. - ![Dialogy nahrávání ukazující nahrávání obrázků zralých a nezralých banánů](../../../../../translated_images/cs/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Dialogy nahrávání ukazující nahrávání obrázků zralých a nezralých banánů](../../../../../translated_images/cs/image-upload-object-detector.77c7892c3093cb59.webp) Když kreslíte ohraničující rámečky pro objekty, udržujte je těsně kolem objektu. Může to chvíli trvat, než označíte všechny obrázky, ale nástroj detekuje, co považuje za ohraničující rámečky, což proces urychlí. - ![Označování rajčatového protlaku](../../../../../translated_images/cs/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Označování rajčatového protlaku](../../../../../translated_images/cs/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Pokud máte více než 15 obrázků pro každý objekt, můžete trénovat po 15 a poté použít funkci **Navržené štítky**. Tato funkce použije trénovaný model k detekci objektů na neoznačených obrázcích. Poté můžete potvrdit detekované objekty nebo odmítnout a znovu nakreslit ohraničující rámečky. To může ušetřit *hodně* času. @@ -155,7 +155,7 @@ Jakmile je váš detektor objektů natrénován, můžete jej otestovat tím, ž 1. Použijte tlačítko **Rychlý test** k nahrání testovacích obrázků a ověření, že objekty jsou detekovány. Použijte testovací obrázky, které jste vytvořili dříve, ne žádné z obrázků, které jste použili pro trénování. - ![Detekovány 3 plechovky rajčatového protlaku s pravděpodobnostmi 38%, 35.5% a 34.6%](../../../../../translated_images/cs/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![Detekovány 3 plechovky rajčatového protlaku s pravděpodobnostmi 38%, 35.5% a 34.6%](../../../../../translated_images/cs/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Vyzkoušejte všechny testovací obrázky, které máte k dispozici, a pozorujte pravděpodobnosti. diff --git a/translations/cs/5-retail/lessons/2-check-stock-device/README.md b/translations/cs/5-retail/lessons/2-check-stock-device/README.md index 85dd46801..999ddc95c 100644 --- a/translations/cs/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/cs/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Kontrola zásob pomocí IoT zařízení -![Náčrt přehledu této lekce](../../../../../translated_images/cs/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Náčrt přehledu této lekce](../../../../../translated_images/cs/lesson-20.0211df9551a8abb3.webp) > Náčrt od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -62,7 +62,7 @@ Iterace se publikují z portálu Custom Vision. 1. Klikněte na tlačítko **Publish** pro danou iteraci. - ![Tlačítko publikování](../../../../../translated_images/cs/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Tlačítko publikování](../../../../../translated_images/cs/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. V dialogu *Publish Model* nastavte *Prediction resource* na zdroj `stock-detector-prediction`, který jste vytvořili v předchozí lekci. Název ponechte jako `Iteration2` a klikněte na tlačítko **Publish**. @@ -76,7 +76,7 @@ Iterace se publikují z portálu Custom Vision. Také si zkopírujte hodnotu *Prediction-Key*. Jedná se o bezpečnostní klíč, který musíte předat při volání modelu. Pouze aplikace, které tento klíč předají, mohou model používat, ostatní aplikace budou odmítnuty. - ![Dialog predikčního API zobrazující URL a klíč](../../../../../translated_images/cs/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Dialog predikčního API zobrazující URL a klíč](../../../../../translated_images/cs/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Když je publikována nová iterace, bude mít jiný název. Jak myslíte, že byste změnili iteraci, kterou IoT zařízení používá? @@ -95,7 +95,7 @@ Při použití detektoru objektů získáte nejen detekované objekty s jejich Výsledky predikce na kartě **Predictions** v Custom Vision mají ohraničující rámečky nakreslené na obrázku, který byl odeslán k predikci. -![4 plechovky rajčatového protlaku na regálu s predikcemi pro 4 detekce s pravděpodobnostmi 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 plechovky rajčatového protlaku na regálu s predikcemi pro 4 detekce s pravděpodobnostmi 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca341.webp) Na obrázku výše byly detekovány 4 plechovky rajčatového protlaku. Ve výsledcích je na každý detekovaný objekt v obrázku překryt červený čtverec, který označuje ohraničující rámeček. @@ -103,7 +103,7 @@ Na obrázku výše byly detekovány 4 plechovky rajčatového protlaku. Ve výsl Ohraničující rámečky jsou definovány 4 hodnotami - horní, levá, výška a šířka. Tyto hodnoty jsou na škále 0-1, což představuje pozice jako procento velikosti obrázku. Počátek (pozice 0,0) je v levém horním rohu obrázku, takže horní hodnota je vzdálenost od horního okraje a spodní část ohraničujícího rámečku je horní hodnota plus výška. -![Ohraničující rámeček kolem plechovky rajčatového protlaku](../../../../../translated_images/cs/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Ohraničující rámeček kolem plechovky rajčatového protlaku](../../../../../translated_images/cs/bounding-box.1420a7ea0d3d15f7.webp) Výše uvedený obrázek má šířku 600 pixelů a výšku 800 pixelů. Ohraničující rámeček začíná 320 pixelů dolů, což dává horní souřadnici 0,4 (800 x 0,4 = 320). Zleva začíná ohraničující rámeček 240 pixelů, což dává levou souřadnici 0,4 (600 x 0,4 = 240). Výška ohraničujícího rámečku je 240 pixelů, což dává hodnotu výšky 0,3 (800 x 0,3 = 240). Šířka ohraničujícího rámečku je 120 pixelů, což dává hodnotu šířky 0,2 (600 x 0,2 = 120). @@ -118,7 +118,7 @@ Použití procentuálních hodnot od 0 do 1 znamená, že bez ohledu na to, na j Můžete použít ohraničující rámečky v kombinaci s pravděpodobnostmi k vyhodnocení, jak přesná je detekce. Například detektor objektů může detekovat více objektů, které se překrývají, například detekovat jednu plechovku uvnitř druhé. Váš kód by mohl zkontrolovat ohraničující rámečky, pochopit, že to není možné, a ignorovat jakékoli objekty, které se významně překrývají s jinými objekty. -![Dva překrývající se ohraničující rámečky kolem plechovky rajčatového protlaku](../../../../../translated_images/cs/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Dva překrývající se ohraničující rámečky kolem plechovky rajčatového protlaku](../../../../../translated_images/cs/overlap-object-detection.d431e03cae75072a.webp) V příkladu výše jeden ohraničující rámeček označuje předpokládanou plechovku rajčatového protlaku s pravděpodobností 78,3 %. Druhý ohraničující rámeček je o něco menší a je uvnitř prvního rámečku s pravděpodobností 64,3 %. Váš kód může zkontrolovat ohraničující rámečky, zjistit, že se zcela překrývají, a ignorovat nižší pravděpodobnost, protože není možné, aby jedna plechovka byla uvnitř druhé. diff --git a/translations/cs/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/cs/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 987094d37..7dfca1f68 100644 --- a/translations/cs/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/cs/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Kód, který jste použili pro klasifikaci obrázků, je velmi podobný kódu pr Budete schopni vidět obrázek, který byl pořízen, a tyto hodnoty na záložce **Predictions** v Custom Vision. - ![4 plechovky rajčatového protlaku na polici s předpověďmi pro 4 detekce: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 plechovky rajčatového protlaku na polici s předpověďmi pro 4 detekce: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Tento kód najdete ve složce [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) nebo [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/cs/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/cs/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 2443f8ff5..71cf50606 100644 --- a/translations/cs/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/cs/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Kód, který jste použili pro klasifikaci obrázků, je velmi podobný kódu pr Budete moci vidět obrázek, který byl pořízen, a tyto hodnoty na kartě **Predictions** v Custom Vision. - ![4 plechovky rajčatového protlaku na polici s predikcemi pro 4 detekce: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 plechovky rajčatového protlaku na polici s predikcemi pro 4 detekce: 35,8 %, 33,5 %, 25,7 % a 16,6 %](../../../../../translated_images/cs/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Tento kód najdete ve složce [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/cs/6-consumer/lessons/1-speech-recognition/README.md b/translations/cs/6-consumer/lessons/1-speech-recognition/README.md index 473a2816e..41a528c58 100644 --- a/translations/cs/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/cs/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Rozpoznávání řeči pomocí IoT zařízení -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-21.e34de51354d6606f.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -51,7 +51,7 @@ Mikrofony existují v různých typech: Dynamické mikrofony nepotřebují k práci napájení, elektrický signál je vytvářen výhradně mikrofonem. - ![Patti Smith zpívající do mikrofonu Shure SM58 (dynamický typ kardioid)](../../../../../translated_images/cs/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith zpívající do mikrofonu Shure SM58 (dynamický typ kardioid)](../../../../../translated_images/cs/dynamic-mic.8babac890a2d80df.webp) * Páskové – Páskové mikrofony jsou podobné dynamickým mikrofonům, ale místo membrány mají kovovou pásku. Tato páska se pohybuje v magnetickém poli a generuje elektrický proud. Stejně jako dynamické mikrofony, páskové mikrofony nepotřebují napájení. @@ -59,11 +59,11 @@ Mikrofony existují v různých typech: * Kondenzátorové – Kondenzátorové mikrofony mají tenkou kovovou membránu a pevnou kovovou zadní desku. Elektrický proud je aplikován na obě tyto části a jak membrána vibruje, statický náboj mezi deskami se mění a generuje signál. Kondenzátorové mikrofony potřebují napájení – nazývané *Phantom power*. - ![C451B malomembránový kondenzátorový mikrofon od AKG Acoustics](../../../../../translated_images/cs/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B malomembránový kondenzátorový mikrofon od AKG Acoustics](../../../../../translated_images/cs/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS – Mikroelektromechanické systémy mikrofonů, nebo MEMS, jsou mikrofony na čipu. Mají tlakově citlivou membránu vyrytou na křemíkovém čipu a fungují podobně jako kondenzátorové mikrofony. Tyto mikrofony mohou být velmi malé a integrované do obvodů. - ![MEMS mikrofon na obvodové desce](../../../../../translated_images/cs/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![MEMS mikrofon na obvodové desce](../../../../../translated_images/cs/mems-microphone.80574019e1f5e4d9.webp) Na obrázku výše je čip označený **LEFT**, což je MEMS mikrofon s malou membránou o šířce méně než milimetr. @@ -159,7 +159,7 @@ Aby se předešlo složitosti trénování a používání modelu pro probouzej ## Převod řeči na text -![Logo služeb řeči](../../../../../translated_images/cs/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo služeb řeči](../../../../../translated_images/cs/azure-speech-logo.a1f08c4befb0159f.webp) Stejně jako u klasifikace obrázků v dřívějším projektu existují předem vytvořené AI služby, které mohou převést řeč jako zvukový soubor na text. Jednou z těchto služeb je Speech Service, součást Cognitive Services, předem vytvořených AI služeb, které můžete použít ve svých aplikacích. diff --git a/translations/cs/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/cs/6-consumer/lessons/1-speech-recognition/pi-audio.md index 065de8cb9..4a522654d 100644 --- a/translations/cs/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/cs/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Tlačítko lze připojit k základní desce Grove. #### Úkol - připojte tlačítko -![Grove tlačítko](../../../../../translated_images/cs/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Grove tlačítko](../../../../../translated_images/cs/grove-button.a70cfbb809a85636.webp) 1. Zasuňte jeden konec Grove kabelu do konektoru na modulu tlačítka. Kabel lze zasunout pouze jedním způsobem. 1. S vypnutým Raspberry Pi připojte druhý konec Grove kabelu do digitálního konektoru označeného **D5** na základní desce Grove připojené k Pi. Tento konektor je druhý zleva v řadě konektorů vedle GPIO pinů. -![Grove tlačítko připojené ke konektoru D5](../../../../../translated_images/cs/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove tlačítko připojené ke konektoru D5](../../../../../translated_images/cs/pi-button.c7a1a4f55943341c.webp) ## Zachycení zvuku diff --git a/translations/cs/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/cs/6-consumer/lessons/1-speech-recognition/pi-microphone.md index d486efc3d..6a3468487 100644 --- a/translations/cs/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/cs/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Mikrofon a reproduktory je třeba připojit a nakonfigurovat. 1. Pokud používáte ReSpeaker 2-Mics Pi HAT, můžete odstranit Grove základní hat a nasadit místo něj ReSpeaker hat. - ![Raspberry Pi s ReSpeaker hat](../../../../../translated_images/cs/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi s ReSpeaker hat](../../../../../translated_images/cs/pi-respeaker-hat.f00fabe7dd039a93.webp) Později v této lekci budete potřebovat Grove tlačítko, ale jedno je již zabudováno v tomto hatu, takže Grove základní hat není potřeba. diff --git a/translations/cs/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/cs/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 87ddf1d64..524aa5cce 100644 --- a/translations/cs/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/cs/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Vestavěný mikrofon zachycuje analogový signál, který je převeden na digit ✅ Přečtěte si více o DMA na [stránce o přímém přístupu do paměti na Wikipedii](https://wikipedia.org/wiki/Direct_memory_access). -![Zvuk z mikrofonu jde do ADC a poté do DMAC. Ten zapisuje do jednoho bufferu. Když je tento buffer plný, je zpracován a DMAC zapisuje do druhého bufferu](../../../../../translated_images/cs/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Zvuk z mikrofonu jde do ADC a poté do DMAC. Ten zapisuje do jednoho bufferu. Když je tento buffer plný, je zpracován a DMAC zapisuje do druhého bufferu](../../../../../translated_images/cs/dmac-adc-buffers.4509aee49145c90b.webp) DMAC může zachytit zvuk z ADC v pevných intervalech, například 16 000krát za sekundu pro zvuk o frekvenci 16 kHz. Tato zachycená data může zapsat do předem alokovaného paměťového bufferu, a když je tento buffer plný, zpřístupní je vašemu kódu ke zpracování. Použití této paměti může zpozdit zachycení zvuku, ale můžete nastavit více bufferů. DMAC zapisuje do bufferu 1, a když je plný, upozorní váš kód, aby zpracoval buffer 1, zatímco DMAC zapisuje do bufferu 2. Když je buffer 2 plný, upozorní váš kód a vrátí se k zápisu do bufferu 1. Tímto způsobem, pokud zpracujete každý buffer za kratší dobu, než je potřeba k naplnění jednoho, neztratíte žádná data. diff --git a/translations/cs/6-consumer/lessons/2-language-understanding/README.md b/translations/cs/6-consumer/lessons/2-language-understanding/README.md index 7b02e9b3d..ab6d79351 100644 --- a/translations/cs/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/cs/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Porozumění jazyku -![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Přehled lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-22.6148ea28500d9e00.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -46,7 +46,7 @@ Modely pro porozumění jazyku jsou AI modely, které jsou trénovány na extrak ## Vytvoření modelu pro porozumění jazyku -![Logo LUIS](../../../../../translated_images/cs/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Logo LUIS](../../../../../translated_images/cs/luis-logo.5cb4f3e88c020ee6.webp) Modely pro porozumění jazyku můžete vytvářet pomocí LUIS, služby pro porozumění jazyku od Microsoftu, která je součástí Cognitive Services. @@ -169,7 +169,7 @@ Pokyny pro použití portálu LUIS najdete v [dokumentaci Quickstart: Build your 1. Jakmile zadáte každý příklad, LUIS začne detekovat entity a podtrhne a označí ty, které najde. - ![Příklady s podtrženými čísly a jednotkami času detekovanými LUIS](../../../../../translated_images/cs/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Příklady s podtrženými čísly a jednotkami času detekovanými LUIS](../../../../../translated_images/cs/luis-intent-examples.25716580b2d2723c.webp) ### Úkol – trénování a testování modelu diff --git a/translations/cs/6-consumer/lessons/3-spoken-feedback/README.md b/translations/cs/6-consumer/lessons/3-spoken-feedback/README.md index 94c96e3c5..6d9057262 100644 --- a/translations/cs/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/cs/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Nastavte časovač a poskytněte hlasovou zpětnou vazbu -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-23.f38483e1d4df4828.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. diff --git a/translations/cs/6-consumer/lessons/4-multiple-language-support/README.md b/translations/cs/6-consumer/lessons/4-multiple-language-support/README.md index 4267066a0..0090e6d2e 100644 --- a/translations/cs/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/cs/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Podpora více jazyků -![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Přehled této lekce ve formě sketchnote](../../../../../translated_images/cs/lesson-24.4246968ed058510a.webp) > Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. @@ -74,7 +74,7 @@ Existuje řada AI služeb, které lze použít z vašich aplikací k překladu ### Cognitive services Speech service -![Logo služby Speech](../../../../../translated_images/cs/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Logo služby Speech](../../../../../translated_images/cs/azure-speech-logo.a1f08c4befb0159f.webp) Služba Speech, kterou jste používali v předchozích lekcích, má schopnosti překladu pro rozpoznávání řeči. Když rozpoznáváte řeč, můžete požádat nejen o text řeči ve stejném jazyce, ale také v jiných jazycích. @@ -82,7 +82,7 @@ Služba Speech, kterou jste používali v předchozích lekcích, má schopnosti ### Cognitive services Translator service -![Logo služby Translator](../../../../../translated_images/cs/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Logo služby Translator](../../../../../translated_images/cs/azure-translator-logo.c6ed3a4a433edfd2.webp) Služba Translator je specializovaná překladová služba, která dokáže překládat text z jednoho jazyka do jednoho nebo více cílových jazyků. Kromě překladu podporuje širokou škálu dalších funkcí, včetně maskování vulgarismů. Umožňuje také poskytnout konkrétní překlad pro určité slovo nebo větu, aby pracovala s termíny, které nechcete překládat, nebo měla specifický známý překlad. diff --git a/translations/cs/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/cs/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 3141af196..ae756f357 100644 --- a/translations/cs/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/cs/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ REST API služby pro řeč nepodporuje přímé překlady, místo toho můžete > > Například pokud trénujete LUIS v angličtině, ale chcete použít francouzštinu jako uživatelský jazyk, můžete věty jako "nastav časovač na 2 minuty a 27 sekund" přeložit z angličtiny do francouzštiny pomocí Bing Translate, a poté použít tlačítko **Poslechnout překlad** k vyslovení překladu do mikrofonu. > - > ![Tlačítko Poslechnout překlad na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačítko Poslechnout překlad na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a9.webp) 1. Přidejte klíč API překladatelské služby pod `speech_api_key`: diff --git a/translations/cs/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/cs/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index c1f2463c2..0c344ee79 100644 --- a/translations/cs/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/cs/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Služba pro rozpoznávání řeči dokáže nejen převést řeč na text ve ste > > Například pokud trénujete LUIS v angličtině, ale chcete použít francouzštinu jako uživatelský jazyk, můžete věty jako „nastav časovač na 2 minuty a 27 sekund“ přeložit z angličtiny do francouzštiny pomocí Bing Translate, a poté použít tlačítko **Poslechnout překlad** k vyslovení překladu do mikrofonu. > - > ![Tlačítko Poslechnout překlad na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačítko Poslechnout překlad na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a9.webp) 1. Nahraďte deklarace `recognizer_config` a `recognizer` následujícím: diff --git a/translations/cs/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/cs/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index 25e1aac57..67440d0c1 100644 --- a/translations/cs/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/cs/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ REST API služby pro řeč nepodporuje přímé překlady, místo toho můžete > > Například pokud trénujete LUIS v angličtině, ale chcete použít francouzštinu jako jazyk uživatele, můžete přeložit věty jako "set a 2 minute and 27 second timer" z angličtiny do francouzštiny pomocí Bing Translate, poté použít tlačítko **Listen translation** k přehrání překladu do mikrofonu. > - > ![Tlačítko pro poslech překladu na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Tlačítko pro poslech překladu na Bing Translate](../../../../../translated_images/cs/bing-translate.348aa796d6efe2a9.webp) 1. Přidejte API klíč a umístění překladače pod `SPEECH_LOCATION`: diff --git a/translations/cs/README.md b/translations/cs/README.md index 94018e8d4..58e89dc35 100644 --- a/translations/cs/README.md +++ b/translations/cs/README.md @@ -10,51 +10,61 @@ ### Připojte se ke komunitě Azure AI Foundry -Pokud narazíte na problémy nebo máte jakékoli otázky ohledně vytváření AI aplikací. Připojte se ke komunitě spolužáků a zkušených vývojářů, kde probíhají diskuze o MCP. Je to podporující komunita, kde jsou otázky vítány a znalosti volně sdíleny. +Pokud se zaseknete nebo máte jakékoli otázky ohledně tvorby AI aplikací, přidejte se k ostatním studentům a zkušeným vývojářům v diskusích o MCP. Je to podpůrná komunita, kde jsou otázky vítány a znalosti se sdílí svobodně. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Máte-li zpětnou vazbu k produktu nebo narazíte na chyby při tvorbě, navštivte: +Pokud máte zpětnou vazbu k produktům nebo narazíte na chyby během vývoje, navštivte: [![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) -Postupujte podle těchto kroků, abyste začali používat tyto zdroje: -1. **Forkujte repozitář**: Klikněte na [![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. **Klonujte repozitář**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Připojte se k Microsot Foundry Discord a setkejte se s experty a dalšími vývojáři**](https://discord.com/invite/ByRwuEEgH4) +Postupujte podle těchto kroků, abyste začali využívat tyto zdroje: +1. **Forkněte repozitář**: Klikněte na [![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) +2. **Naklonujte repozitář**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**Připojte se k Microsoft Foundry Discord a setkejte se s experty a dalšími vývojáři**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Podpora více jazyků -#### Podporováno přes GitHub Action (automatizované a vždy aktuální) +#### Podporováno přes GitHub Action (automatizováno a vždy aktuální) -[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](./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](../hr/README.md) | [Czech](./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) -> **Raději klonovat lokálně?** - -> Tento repozitář obsahuje více než 50 jazykových překladů, což výrazně zvětšuje velikost stažení. Pro klonování bez překladů použijte sparse checkout: +> **Dáváte přednost klonování lokálně?** +> +> Tento repozitář obsahuje překlady do více než 50 jazyků, což výrazně zvyšuje velikost stahování. Pro klonování bez překladů použijte 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' > ``` -> Tím získáte vše, co potřebujete k dokončení kurzu, a stahování bude mnohem rychlejší. +> +> **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" +> ``` +> +> To vám poskytne vše potřebné k dokončení kurzu s mnohem rychlejším stažením. -# IoT pro začátečníky - Výukový program +# IoT pro začátečníky - učební plán -Azure Cloud Advocates v Microsoftu s potěšením představují 12týdenní a 24-lekční výukový program zaměřený na základy IoT. Každá lekce obsahuje před a po lekce kvízy, psané instrukce k dokončení lekce, řešení, úkol a další. Naše projektově orientovaná pedagogika vám umožní učit se během tvorby projektů, což je ověřený způsob, jak si nové dovednosti lépe osvojit. +Obhájci cloudu Azure ve společnosti Microsoft s potěšením nabízejí 12týdenní učební plán s 24 lekcemi o základech IoT. Každá lekce obsahuje kvízy před a po lekci, psané instrukce pro dokončení lekce, řešení, úkol a další. Naše pedagogika založená na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti opravdu osvojit. -Projekty pokrývají cestu jídla od farmy až na stůl. Zahrnují zemědělství, logistiku, výrobu, maloobchod a spotřebitele - všechna oblíbená průmyslová odvětví pro IoT zařízení. +Projekty pokrývají cestu potravin od farmy až na stůl. Zahrnují zemědělství, logistiku, výrobu, maloobchod a spotřebitele – to vše jsou populární oblasti průmyslu pro IoT zařízení. -![Mapa kurzu s 24 lekcemi pokrývajícími úvod, zemědělství, dopravu, zpracování, maloobchod a vaření](../../translated_images/cs/Roadmap.bb1dec285dda0eda.webp) +![Plán kurzu s 24 lekcemi pokrývajícími úvod, zemědělství, dopravu, zpracování, maloobchod a vaření](../../translated_images/cs/Roadmap.bb1dec285dda0eda.webp) -> Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro zvětšení. +> Sketchnote od [Nitya Narasimhan](https://github.com/nitya). Klikněte na obrázek pro větší verzi. -**Srdečné díky našim autorům [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) a naší sketchnote umělkyni [Nitya Narasimhan](https://github.com/nitya).** +**Srdceplné díky našim autorům [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) a našem ilustrátorovi sketchnot [Nitya Narasimhan](https://github.com/nitya).** -**Také děkujeme našemu týmu [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), kteří tento kurz recenzovali a překládali - [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform) a [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Také děkujeme našemu týmu [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn), kteří tento učební plán revidovali a překládali – [Aditya Garg](https://github.com/AdityaGarg00), [Anurag Sharma](https://github.com/Anurag-0-1-A), [Arpita Das](https://github.com/Arpiiitaaa), [Aryan Jain](https://www.linkedin.com/in/aryan-jain-47a4a1145/), [Bhavesh Suneja](https://github.com/EliteWarrior315), [Faith Hunja](https://faithhunja.github.io/), [Lateefah Bello](https://www.linkedin.com/in/lateefah-bello/), [Manvi Jha](https://github.com/Severus-Matthew), [Mireille Tan](https://www.linkedin.com/in/mireille-tan-a4834819a/), [Mohammad Iftekher (Iftu) Ebne Jalal](https://github.com/Iftu119), [Mohammad Zulfikar](https://github.com/mohzulfikar), [Priyanshu Srivastav](https://www.linkedin.com/in/priyanshu-srivastav-b067241ba), [Thanmai Gowducheruvu](https://github.com/innovation-platform) a [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Seznamte se s týmem! @@ -62,90 +72,90 @@ Seznamte se s týmem! **Gif od** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Klikněte na obrázek nahoře pro video o projektu! +> 🎥 Klikněte na obrázek výše pro video o projektu! -> **Učitelé**, máme zde [několik doporučení](for-teachers.md) jak tento kurz používat. Pokud chcete vytvořit vlastní lekce, najdete zde také [šablonu lekce](lesson-template/README.md). +> **Učitelé**, přidali jsme [několik návrhů](for-teachers.md) jak tento učební plán využívat. Pokud byste chtěli tvořit vlastní lekce, poskytli jsme také [šablonu lekce](lesson-template/README.md). -> **Studenti** ([https://aka.ms/student-page](https://aka.ms/student-page)), abyste mohli tento kurz využívat sami, forkněte celý repozitář a dokončujte úkoly sami, začínaje přednáškovým kvízem, poté si přečtěte přednášku a dokončte ostatní aktivity. Snažte se projekty tvořit na základě pochopení lekcí, nikoli pouze kopírováním kódu řešení, který je však k dispozici ve složkách /solutions v jednotlivých projektech. Další možností je vytvořit studijní skupinu s přáteli a obsah probírat společně. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **Študenti** [students](https://aka.ms/student-page), abyste mohli tento učební plán používat sami, forknete celý repozitář a doplňujete úkoly sami, začínajíce kvízem před lekcí, pak čtením lekce a dokončením aktivit. Snažte se projekty tvořit pochopením lekcí místo pouhého kopírování řešení; tato řešení jsou však k dispozici v adresáři /solutions v každé lekci zaměřené na projekt. Další možností je založit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). Pro video přehled tohoto kurzu se podívejte na toto video: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") -> 🎥 Klikněte na obrázek nahoře pro video o projektu! +> 🎥 Klikněte na obrázek výše pro video o projektu! ## Pedagogika -Vybrali jsme dva pedagogické principy při tvorbě tohoto kurzu: zajistit, aby byl projektově orientovaný a aby obsahoval časté kvízy. Na konci této série studenti vytvoří systém pro monitorování a zalévání rostlin, sledovač vozidel, chytrou továrnu pro sledování a kontrolu potravin a hlasem ovládaný kuchyňský časovač, a naučí se základům Internetu věcí včetně psaní kódu zařízení, připojení ke cloudu, analýzy telemetrie a provozu AI na okraji sítě. +Při tvorbě tohoto učebního plánu jsme zvolili dva pedagogické principy: zajistit, aby byl založený na projektech, a aby obsahoval časté kvízy. Na konci této série studenti vyrobí systém pro sledování a zalévání rostlin, sledovač vozidel, chytrou továrnu pro sledování a kontrolu potravin a časovač na vaření ovládaný hlasem, a naučí se základy Internetu věcí včetně psaní kódu pro zařízení, připojení k cloudu, analýzy telemetrie a provoz AI na okraji sítě. -Zajištěním, že obsah odpovídá projektům, se proces stává pro studenty atraktivnější a zvyšuje se zapamatování konceptů. +Díky propojení obsahu s projekty je proces pro studenty zajímavější a zvyšuje retenci znalostí. -Navíc nízkorizikový kvíz před hodinou nastavuje záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajišťuje další zapamatování. Tento kurz byl navržen tak, aby byl flexibilní a zábavný, lze jej absolvovat celý nebo jen částečně. Projekty začínají malé a postupně se během 12týdenního cyklu stávají složitějšími. +Navíc nízko-náročný kvíz před lekcí nastavuje studentovu pozornost na téma, zatímco druhý kvíz po lekci zaručuje lepší zapamatování. Tento učební plán je navržen tak, aby byl flexibilní a zábavný a lze ho absolvovat celý nebo po částech. Projekty začínají malé a postupně se během 12 týdnů komplikují. -Každý projekt je založen na reálném hardwaru dostupném studentům a amatérům. Každý projekt zkoumá konkrétní obor projektu a poskytuje relevantní základní znalosti. Pro úspěšného vývojáře je důležité rozumět oblasti, ve které řeší problémy; poskytnutím těchto znalostí umožňujeme studentům zamyslet se nad svými IoT řešeními a učením v kontextu reálných problémů, které by mohli jako vývojáři IoT řešit. Studenti pochopí „proč“ svých řešení a získají ocenění pro koncového uživatele. +Každý projekt je založen na reálném hardwaru dostupném studentům a nadšencům. Každý projekt přináší relevantní znalosti z dané oblasti. Pro úspěšného vývojáře je užitečné pochopit oblast, ve které řeší problémy, a poskytnutí těchto znalostí studentům umožňuje přemýšlet o svých IoT řešeních a zkušenostech v kontextu reálných problémů, které mohou být vyžadovány od IoT vývojáře. Studenti tak chápou "proč" řešení, která tvoří, a získávají ocenění pro koncového uživatele. ## Hardware +Máme dvě možnosti IoT hardwaru pro použití na projektech v závislosti na osobních preferencích, znalostech programovacích jazyků nebo preferencích, cílech učení a dostupnosti. Pro ty, kteří nemají přístup k hardwaru nebo chtějí získat více znalostí před nákupem, jsme také připravili verzi „virtuálního hardwaru“. Více informací a „nákupní seznam“ najdete na [stránce s hardwarem](./hardware.md), včetně odkazů na nákup kompletních sad od našich přátel ze Seeed Studio. -Máme na výběr dvě možnosti IoT hardwaru pro projekty v závislosti na osobních preferencích, znalostech programovacích jazyků, cílech učení a dostupnosti. Poskytli jsme také verzi „virtuálního hardwaru“ pro ty, kteří nemají přístup k hardwaru nebo se chtějí dozvědět více před koupí. Více si můžete přečíst a najít „nákupní seznam“ na [stránce hardware](./hardware.md), včetně odkazů na nákup kompletních sad od našich přátel ze Seeed Studio. -> 💁 Najděte náš [Kodex chování](CODE_OF_CONDUCT.md), [Příspěvky](CONTRIBUTING.md) a [Pokyny pro překlad](TRANSLATIONS.md). Vítáme vaši konstruktivní zpětnou vazbu! +> 💁 Najděte náš [Kodex chování](CODE_OF_CONDUCT.md), [Příspěvky](CONTRIBUTING.md) a [Překlady](TRANSLATIONS.md) zásady. Těšíme se na vaše konstruktivní připomínky! > > 🔧 Máte problémy? Podívejte se na náš [Průvodce řešením problémů](TROUBLESHOOTING.md) pro řešení běžných potíží. -## Každá lekce zahrnuje: +## Každá lekce obsahuje: - sketchnote - volitelné doplňkové video -- předběžný kvíz před lekcí -- psaná lekce -- u lekcí založených na projektu krok za krokem návody, jak projekt postavit -- kontroly znalostí +- rozehřívací kvíz před lekcí +- písemnou lekci +- u lekcí založených na projektech krok za krokem návody, jak projekt postavit +- kontrolní otázky na znalosti - výzvu -- doplňkové čtení +- doplňující čtení - úkol - [kvíz po lekci](https://ff-quizzes.netlify.app/en/) -> **Poznámka o kvízech**: Všechny kvízy jsou obsaženy ve složce quiz-app, celkem 48 kvízů po třech otázkách. Jsou propojené z lekcí, ale aplikaci kvízů lze spustit lokálně nebo nasadit na Azure; postupujte podle instrukcí ve složce `quiz-app`. Postupně jsou lokalizovány. +> **Poznámka k kvízům**: Všechny kvízy jsou umístěny ve složce quiz-app, celkem je jich 48, každý se třemi otázkami. Odkazy na ně jsou v lekcích, ale aplikaci kvízu lze spustit lokálně nebo ji nasadit na Azure; následujte pokyny ve složce `quiz-app`. Kvízy se postupně lokalizují. ## Lekce -| | Název projektu | Probírané koncepty | Cíle učení | Propojená lekce | -| :---: | :------------------------------------: | :-------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Začínáme](./1-getting-started/README.md) | Úvod do IoT | Naučte se základní principy IoT a základní stavební kameny řešení IoT jako jsou senzory a cloudové služby, zatímco nastavujete své první IoT zařízení | [Úvod do IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Začínáme](./1-getting-started/README.md) | Hlouběji do IoT | Naučte se více o součástech IoT systému, stejně jako o mikrokontrolérech a jednodeskových počítačích | [Hlouběji do IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Začínáme](./1-getting-started/README.md) | Interakce s fyzickým světem pomocí senzorů a akčních členů | Naučte se o senzorech pro sběr dat z fyzického světa a akčních členech pro odesílání zpětné vazby, zatímco stavíte noční světlo | [Interakce s fyzickým světem pomocí senzorů a akčních členů](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Začínáme](./1-getting-started/README.md) | Připojte své zařízení k internetu | Naučte se, jak připojit IoT zařízení k internetu pro odesílání a přijímání zpráv připojením své noční lampy k MQTT brokeru | [Připojte své zařízení k internetu](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Far­mář­ství](./2-farm/README.md) | Předpověď růstu rostlin | Naučte se předpovídat růst rostlin pomocí teplotních dat zaznamenaných IoT zařízením | [Předpověď růstu rostlin](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Far­mář­ství](./2-farm/README.md) | Detekce vlhkosti půdy | Naučte se detekovat vlhkost půdy a kalibrovat senzor vlhkosti půdy | [Detekce vlhkosti půdy](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Far­mář­ství](./2-farm/README.md) | Automatické zavlažování rostlin | Naučte se automatizovat a časovat zavlažování pomocí relé a MQTT | [Automatické zavlažování rostlin](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Far­mář­ství](./2-farm/README.md) | Přejděte s rostlinou do cloudu | Naučte se o cloudu a cloudově hostovaných IoT službách a jak připojit rostlinu k některé z nich namísto veřejného MQTT brokeru | [Přejděte s rostlinou do cloudu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Far­mář­ství](./2-farm/README.md) | Přeneste logiku své aplikace do cloudu | Naučte se, jak napsat aplikační logiku v cloudu, která reaguje na IoT zprávy | [Přeneste logiku své aplikace do cloudu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Far­mář­ství](./2-farm/README.md) | Zabezpečte svou rostlinu | Naučte se o bezpečnosti IoT a jak zabezpečit svou rostlinu pomocí klíčů a certifikátů | [Zabezpečte svou rostlinu](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| | Název projektu | Učené koncepty | Výukové cíle | Odkaz na lekci | +| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | :--------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Začínáme](./1-getting-started/README.md) | Úvod do IoT | Naučte se základní principy IoT a základní stavební kameny řešení IoT, jako jsou senzory a cloudové služby, zatímco nastavujete své první IoT zařízení | [Úvod do IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Začínáme](./1-getting-started/README.md) | Hlouběji do IoT | Naučte se více o složkách IoT systému, mikrokontrolérech a jednodeskových počítačích | [Hlouběji do IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Začínáme](./1-getting-started/README.md) | Interakce s fyzickým světem pomocí senzorů a aktuátorů | Naučte se o senzorech pro sběr dat z fyzického světa a o aktuátorech pro zpětnou vazbu, zatímco stavíte noční světlo | [Interakce s fyzickým světem pomocí senzorů a aktuátorů](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Začínáme](./1-getting-started/README.md) | Připojte své zařízení k internetu | Naučte se, jak připojit IoT zařízení k internetu pro odesílání a příjem zpráv připojením nočního světla k MQTT brokeru | [Připojte své zařízení k internetu](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Farmářství](./2-farm/README.md) | Predikce růstu rostlin | Naučte se předpovídat růst rostlin pomocí teplotních dat zachycených IoT zařízením | [Predikce růstu rostlin](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Farmářství](./2-farm/README.md) | Detekce vlhkosti půdy | Naučte se detekovat vlhkost půdy a kalibrovat senzor vlhkosti půdy | [Detekce vlhkosti půdy](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Farmářství](./2-farm/README.md) | Automatické zavlažování rostlin | Naučte se automatizovat a časovat zavlažování pomocí relé a MQTT | [Automatické zavlažování rostlin](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Farmářství](./2-farm/README.md) | Migrace rostlin do cloudu | Naučte se o cloudu a cloudových IoT službách a jak připojit svou rostlinu k jedné z nich namísto veřejného MQTT brokeru | [Migrace rostlin do cloudu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Farmářství](./2-farm/README.md) | Migrace aplikační logiky do cloudu | Naučte se, jak psát aplikační logiku v cloudu, která reaguje na IoT zprávy | [Migrace aplikační logiky do cloudu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Farmářství](./2-farm/README.md) | Zabezpečte svou rostlinu | Naučte se o zabezpečení v IoT a jak zabezpečit svou rostlinu pomocí klíčů a certifikátů | [Zabezpečte svou rostlinu](./2-farm/lessons/6-keep-your-plant-secure/README.md) | | 11 | [Doprava](./3-transport/README.md) | Sledování polohy | Naučte se o GPS sledování polohy IoT zařízení | [Sledování polohy](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Doprava](./3-transport/README.md) | Ukládání dat o poloze | Naučte se ukládat IoT data pro pozdější vizualizaci nebo analýzu | [Ukládání dat o poloze](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Doprava](./3-transport/README.md) | Vizualizace dat o poloze | Naučte se o vizualizaci dat o poloze na mapě a jak mapy zobrazují skutečný trojrozměrný svět ve dvou dimenzích | [Vizualizace dat o poloze](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Doprava](./3-transport/README.md) | Geoploty | Naučte se o geoplotech a jak je používat k upozornění, když jsou vozidla v dodavatelském řetězci blízko svého cíle | [Geoploty](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Výroba](./4-manufacturing/README.md) | Trénujte detektor kvality ovoce | Naučte se trénovat klasifikátor obrázků v cloudu pro detekci kvality ovoce | [Trénujte detektor kvality ovoce](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Výroba](./4-manufacturing/README.md) | Zkontrolujte kvalitu ovoce z IoT zařízení | Naučte se využívat detektor kvality ovoce z IoT zařízení | [Zkontrolujte kvalitu ovoce z IoT zařízení](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Výroba](./4-manufacturing/README.md) | Spusťte detektor ovoce na okraji | Naučte se, jak spustit detektor ovoce na IoT zařízení na okraji | [Spusťte detektor ovoce na okraji](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Výroba](./4-manufacturing/README.md) | Spusťte detekci kvality ovoce ze senzoru | Naučte se spustit detekci kvality ovoce ze senzoru | [Spusťte detekci kvality ovoce ze senzoru](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Maloobchod](./5-retail/README.md) | Trénujte detektor zásob | Naučte se používat detekci objektů k trénování detektoru zásob pro počítání zásob v obchodě | [Trénujte detektor zásob](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Maloobchod](./5-retail/README.md) | Zkontrolujte zásoby z IoT zařízení | Naučte se kontrolovat zásoby z IoT zařízení s využitím modelu detekce objektů | [Zkontrolujte zásoby z IoT zařízení](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Spotřebitel](./6-consumer/README.md) | Rozpoznání řeči s IoT zařízením | Naučte se rozpoznávat řeč z IoT zařízení pro stavbu chytrého časovače | [Rozpoznání řeči s IoT zařízením](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Spotřebitel](./6-consumer/README.md) | Porozumění jazyku | Naučte se porozumět větám vysloveným k IoT zařízení | [Porozumění jazyku](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Spotřebitel](./6-consumer/README.md) | Nastavte časovač a poskytujte hlasovou zpětnou vazbu | Naučte se nastavit časovač na IoT zařízení a dávat hlasovou zpětnou vazbu o nastavení časovače a jeho ukončení | [Nastavte časovač a poskytujte hlasovou zpětnou vazbu](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Spotřebitel](./6-consumer/README.md) | Podpora více jazyků | Naučte se podporovat více jazyků, jak v řeči, tak ve zpětných reakcích vašeho chytrého časovače | [Podpora více jazyků](./6-consumer/lessons/4-multiple-language-support/README.md) | +| 12 | [Doprava](./3-transport/README.md) | Ukládání dat o poloze | Naučte se, jak ukládat IoT data pro pozdější vizualizaci nebo analýzu | [Ukládání dat o poloze](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Doprava](./3-transport/README.md) | Vizualizace dat o poloze | Naučte se o vizualizaci dat o poloze na mapě a jak mapy reprezentují skutečný 3D svět ve 2D | [Vizualizace dat o poloze](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Doprava](./3-transport/README.md) | Geozóny | Naučte se o geozónách a jak mohou být použity k upozornění, když jsou vozidla v dodavatelském řetězci blízko svého cíle | [Geozóny](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Výroba](./4-manufacturing/README.md) | Trénink detektoru kvality ovoce | Naučte se, jak vytrénovat klasifikátor obrázků v cloudu pro detekci kvality ovoce | [Trénink detektoru kvality ovoce](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Výroba](./4-manufacturing/README.md) | Kontrola kvality ovoce z IoT zařízení | Naučte se používat detektor kvality ovoce z IoT zařízení | [Kontrola kvality ovoce z IoT zařízení](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Výroba](./4-manufacturing/README.md) | Spuštění detektoru ovoce na okraji | Naučte se, jak spustit detektor ovoce na IoT zařízení na okraji | [Spuštění detektoru ovoce na okraji](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Výroba](./4-manufacturing/README.md) | Spuštění detekce kvality ovoce ze senzoru | Naučte se spouštět detekci kvality ovoce ze senzoru | [Spuštění detekce kvality ovoce ze senzoru](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Maloobchod](./5-retail/README.md) | Trénink detektoru zásob | Naučte se používat detekci objektů k tréninku detektoru zásob pro počítání zásob v prodejně | [Trénink detektoru zásob](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Maloobchod](./5-retail/README.md) | Kontrola zásob z IoT zařízení | Naučte se kontrolovat zásoby z IoT zařízení pomocí modelu detekce objektů | [Kontrola zásob z IoT zařízení](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Spotřebitel](./6-consumer/README.md) | Rozpoznávání řeči pomocí IoT zařízení | Naučte se rozpoznávat řeč z IoT zařízení k vytvoření chytrého časovače | [Rozpoznávání řeči pomocí IoT zařízení](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Spotřebitel](./6-consumer/README.md) | Porozumění jazyku | Naučte se rozumět větám vysloveným k IoT zařízení | [Porozumění jazyku](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Spotřebitel](./6-consumer/README.md) | Nastavení časovače a poskytování hlasové zpětné vazby | Naučte se nastavit časovač na IoT zařízení a poskytnout hlasovou zpětnou vazbu, kdy je časovač nastaven a kdy skončí | [Nastavení časovače a poskytování hlasové zpětné vazby](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Spotřebitel](./6-consumer/README.md) | Podpora více jazyků | Naučte se podporovat více jazyků, jak při mluvení k zařízení, tak při odpovědích z vašeho chytrého časovače | [Podpora více jazyků](./6-consumer/lessons/4-multiple-language-support/README.md) | ## Offline přístup -Tuto dokumentaci si můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Vytvořte fork tohoto repozitáře, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svůj lokální počítač, a pak v kořenové složce repozitáře zadejte `docsify serve`. Web bude dostupný na portu 3000 na vašem localhostu: `localhost:3000`. +Tuto dokumentaci můžete spustit offline pomocí [Docsify](https://docsify.js.org/#/). Vytvořte fork tohoto repozitáře, [nainstalujte Docsify](https://docsify.js.org/#/quickstart) na svém počítači a pak v kořenové složce tohoto repozitáře zadejte příkaz `docsify serve`. Webové stránky poběží na portu 3000 na vaší lokální adrese: `localhost:3000`. ## Kvíz -Díky komunitě za hostování interaktivního kvízu, který testuje vaše znalosti ke každé kapitole. Otestujte si své znalosti [zde](https://ff-quizzes.netlify.app/en/) +Díky komunitě za hostování interaktivního kvízu, který testuje vaše znalosti v každé kapitole. Znalosti si můžete ověřit [zde](https://ff-quizzes.netlify.app/en/). ### PDF -Můžete si vygenerovat PDF tohoto obsahu pro offline přístup, pokud je to potřeba. K tomu si zajistěte, že máte [npm nainstalovaný](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) a spusťte následující příkazy v kořenové složce tohoto repozitáře: +Pokud potřebujete, můžete si vytvořit PDF této obsahu pro offline přístup. Abyste to mohli udělat, ujistěte se, že máte [nainstalovaný npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) a spusťte následující příkazy v kořenové složce tohoto repozitáře: ```sh npm i @@ -154,60 +164,59 @@ npm run convert ### Prezentace -Pro některé lekce existují prezentační sady ve složce [slides](../../slides). +Některé lekce mají k dispozici prezentace ve složce [slides](../../slides). +## Další kurzy -## Další Kurikula - -Náš tým vytváří i další kurikula! Podívejte se na: +Náš tým vytváří i jiné kurzy! Mrkněte na: ### LangChain -[![LangChain4j pro začátečníky](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 pro začátečníky](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 pro začátečníky](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 pro začátečníky](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 pro začátečníky](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 pro Začátečníky](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents pro začátečníky](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Séria Generativní AI -[![Generativní AI pro Začátečníky](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) +### Série Generativní AI +[![Generativní AI pro začátečníky](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) [![Generativní 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) [![Generativní 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) [![Generativní 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) --- -### Základní Vzdělávání -[![Strojové Učení pro Začátečníky](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) -[![Datová Věda pro Začátečníky](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 pro Začátečníky](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) -[![Kyberbezpečnost pro Začátečníky](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Webový Vývoj pro Začátečníky](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 pro Začátečníky](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![Vývoj XR pro Začátečníky](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) +### Základní vzdělávání +[![ML pro začátečníky](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 pro začátečníky](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 pro začátečníky](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Kybernetická bezpečnost pro začátečníky](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Webový vývoj pro začátečníky](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 pro začátečníky](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![Vývoj XR pro začátečníky](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) --- ### Série Copilot -[![Copilot pro AI Párové Programování](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 pro AI párované programování](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 pro 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 Dobrodružství](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) -## Odkazy na zdroje obrázků +## Uznání obrázků -Všechny odkazy na zdroje použitých obrázků v tomto kurikulu najdete v sekci [Odkazy](./attributions.md). +Všechna uznání za obrázky použité v tomto kurikulu najdete tam, kde je to potřeba, v [Uznání](./attributions.md). --- -**Prohlášení o omezení odpovědnosti**: -Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). I když usilujeme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Originální dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro zásadní informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za žádná nedorozumění či nesprávné výklady vzniklé použitím tohoto překladu. +**Prohlášení o vyloučení odpovědnosti**: +Tento dokument byl přeložen pomocí AI překladatelské služby [Co-op Translator](https://github.com/Azure/co-op-translator). Přestože usilujeme o přesnost, mějte prosím na paměti, že automatizované překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho mateřském jazyce by měl být považován za autoritativní zdroj. Pro kritické informace se doporučuje profesionální lidský překlad. Nejsme odpovědní za jakékoliv nedorozumění nebo chybné interpretace vyplývající z použití tohoto překladu. \ No newline at end of file diff --git a/translations/cs/hardware.md b/translations/cs/hardware.md index 116a6af00..8ec78a3f0 100644 --- a/translations/cs/hardware.md +++ b/translations/cs/hardware.md @@ -26,7 +26,7 @@ Seeed Studios velmi laskavě zpřístupnili veškerý hardware jako snadno zakou **[IoT pro začátečníky se Seeed a Microsoft - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Sada hardwaru Raspberry Pi Terminal](../../translated_images/cs/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Sada hardwaru Raspberry Pi Terminal](../../translated_images/cs/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/hu/.co-op-translator.json b/translations/hu/.co-op-translator.json index a34a3d2e1..49afaea86 100644 --- a/translations/hu/.co-op-translator.json +++ b/translations/hu/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "hu" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:25:50+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T16:33:51+00:00", "source_file": "README.md", "language_code": "hu" }, diff --git a/translations/hu/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/hu/1-getting-started/lessons/1-introduction-to-iot/README.md index 44eb3ab6b..ac91c6ef2 100644 --- a/translations/hu/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/hu/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Bevezetés az IoT világába -![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-1.2606670fa61ee904.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. diff --git a/translations/hu/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/hu/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index ff144f3d8..1a8c10431 100644 --- a/translations/hu/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/hu/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Második 'Hello World' lépésként futtatni fogod a CounterFit alkalmazást, é Az alkalmazás elindul, és megnyílik a webböngésződben: - ![A Counter Fit alkalmazás futása böngészőben](../../../../../translated_images/hu/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![A Counter Fit alkalmazás futása böngészőben](../../../../../translated_images/hu/counterfit-first-run.433326358b669b31.webp) *Disconnected* állapotban lesz, a jobb felső sarokban lévő LED ki lesz kapcsolva. @@ -224,7 +224,7 @@ Második 'Hello World' lépésként futtatni fogod a CounterFit alkalmazást, é 1. Ebben az új terminálban futtasd az `app.py` fájlt, ahogy korábban. A CounterFit állapota **Connected**-re változik, és a LED világítani fog. - ![Counter Fit csatlakoztatva](../../../../../translated_images/hu/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit csatlakoztatva](../../../../../translated_images/hu/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Ezt a kódot megtalálod a [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) mappában. diff --git a/translations/hu/1-getting-started/lessons/2-deeper-dive/README.md b/translations/hu/1-getting-started/lessons/2-deeper-dive/README.md index d038ca441..0239cb0f5 100644 --- a/translations/hu/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/hu/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Mélyebb betekintés az IoT világába -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-2.324b0580d620c25e.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -38,7 +38,7 @@ Az IoT **Dolog** része egy olyan eszközt jelent, amely képes kölcsönhatásb Ezek az eszközök érzékelők segítségével adatokat gyűjtenek a környezetükből, vagy kimeneteket és működtetőket vezérelnek, hogy fizikai változásokat idézzenek elő. Egy tipikus példa erre az okos termosztát - egy olyan eszköz, amely hőmérséklet-érzékelővel rendelkezik, egy kívánt hőmérséklet beállítására szolgáló eszközzel, például egy tárcsával vagy érintőképernyővel, valamint egy fűtési vagy hűtési rendszerhez való csatlakozással, amely bekapcsol, ha a mért hőmérséklet kívül esik a kívánt tartományon. A hőmérséklet-érzékelő érzékeli, hogy a szoba túl hideg, és egy működtető bekapcsolja a fűtést. -![Egy diagram, amely bemutatja a hőmérsékletet és egy tárcsát, mint IoT eszköz bemeneteit, valamint egy fűtőberendezés vezérlését, mint kimenetet](../../../../../translated_images/hu/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Egy diagram, amely bemutatja a hőmérsékletet és egy tárcsát, mint IoT eszköz bemeneteit, valamint egy fűtőberendezés vezérlését, mint kimenetet](../../../../../translated_images/hu/basic-thermostat.a923217fd1f37e5a.webp) Számos különböző dolog működhet IoT eszközként, az egyetlen dolgot érzékelő dedikált hardvertől a többcélú eszközökig, például az okostelefonodig! Egy okostelefon érzékelőkkel képes érzékelni a környezetét, és működtetőkkel képes kölcsönhatásba lépni a világgal - például GPS-érzékelőt használva meghatározhatja a helyzetedet, és hangszórót használva navigációs utasításokat adhat egy célállomásra. @@ -54,7 +54,7 @@ Az eszközök nem mindig csatlakoznak közvetlenül az Internethez WiFi-n vagy v Az okos termosztát példájánál maradva, a termosztát otthoni WiFi-n keresztül csatlakozna egy felhőszolgáltatáshoz. Ez a felhőszolgáltatás fogadná a hőmérsékleti adatokat, amelyeket egy adatbázisba írna, lehetővé téve a háztulajdonos számára, hogy egy telefonos alkalmazáson keresztül ellenőrizze az aktuális és korábbi hőmérsékleteket. Egy másik szolgáltatás a felhőben tudná, hogy a háztulajdonos milyen hőmérsékletet szeretne, és üzeneteket küldene vissza az IoT eszköznek a felhőszolgáltatáson keresztül, hogy a fűtési rendszert be- vagy kikapcsolja. -![Egy diagram, amely bemutatja a hőmérsékletet és egy tárcsát, mint IoT eszköz bemeneteit, az IoT eszköz kétirányú kommunikációját a felhővel, amely szintén kétirányú kommunikációt folytat egy telefonnal, és a fűtőberendezés vezérlését, mint az IoT eszköz kimenetét](../../../../../translated_images/hu/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Egy diagram, amely bemutatja a hőmérsékletet és egy tárcsát, mint IoT eszköz bemeneteit, az IoT eszköz kétirányú kommunikációját a felhővel, amely szintén kétirányú kommunikációt folytat egy telefonnal, és a fűtőberendezés vezérlését, mint az IoT eszköz kimenetét](../../../../../translated_images/hu/mobile-controlled-thermostat.4a994010473d8d6a.webp) Egy még okosabb verzió mesterséges intelligenciát használhatna a felhőben, más IoT eszközökhöz csatlakozó érzékelők, például jelenlétérzékelők adataival, valamint időjárási adatokkal és akár a naptáraddal együtt, hogy intelligens módon állítsa be a hőmérsékletet. Például kikapcsolhatná a fűtést, ha a naptárad szerint nyaralni mész, vagy szobánként kapcsolhatná ki a fűtést attól függően, hogy melyik szobákat használod, az adatokból tanulva egyre pontosabbá válva az idő múlásával. @@ -94,7 +94,7 @@ Minél gyorsabb az óra ciklusa, annál több utasítást lehet másodpercenkén > 💁 A CPU-k a programokat a [fetch-decode-execute ciklus](https://wikipedia.org/wiki/Instruction_cycle) segítségével hajtják végre. Minden óra ketyegésnél a CPU lekéri a következő utasítást a memóriából, dekódolja, majd végrehajtja, például egy aritmetikai logikai egység (ALU) segítségével két számot ad össze. Néhány végrehajtás több ketyegést is igénybe vehet, így a következő ciklus a következő ketyegésnél fut le, miután az utasítás befejeződött. -![A fetch-decode-execute ciklus, amely bemutatja, hogy a fetch a RAM-ban tárolt programból vesz utasítást, majd dekódolja és végrehajtja azt a CPU-n](../../../../../translated_images/hu/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![A fetch-decode-execute ciklus, amely bemutatja, hogy a fetch a RAM-ban tárolt programból vesz utasítást, majd dekódolja és végrehajtja azt a CPU-n](../../../../../translated_images/hu/fetch-decode-execute.2fd6f150f6280392.webp) A mikrokontrollerek órajele sokkal alacsonyabb, mint az asztali vagy laptop számítógépeké, vagy akár a legtöbb okostelefoné. Például a Wio Terminal CPU-ja 120MHz-en, azaz 120 000 000 ciklus másodpercenként működik. @@ -164,7 +164,7 @@ Az Arduino lapokat C vagy C++ nyelven programozzák. A C/C++ használata lehető A `setup` funkcióban írná meg az inicializáló kódját, például a WiFi-hez és felhőszolgáltatásokhoz való csatlakozást, vagy a bemeneti és kimeneti tűk inicializálását. A `loop` funkcióban pedig a feldolgozó kódot, például egy szenzorból való olvasást és az érték felhőbe küldését. Általában késleltetést adna a ciklus végéhez, például ha csak 10 másodpercenként szeretne szenzoradatokat küldeni, akkor 10 másodperces késleltetést adna a ciklus végéhez, hogy a mikrokontroller aludjon, energiát takarítson meg, majd 10 másodperc múlva újra futtassa a ciklust. -![Egy Arduino vázlat, amely először a setup-ot futtatja, majd folyamatosan a loop-ot](../../../../../translated_images/hu/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Egy Arduino vázlat, amely először a setup-ot futtatja, majd folyamatosan a loop-ot](../../../../../translated_images/hu/arduino-sketch.79590cb837ff7a7c.webp) ✅ Ezt a programarchitektúrát *eseményciklusnak* vagy *üzenetciklusnak* nevezik. Sok alkalmazás használja ezt a háttérben, és ez a szabvány a legtöbb asztali alkalmazás esetében, amelyek olyan operációs rendszereken futnak, mint a Windows, macOS vagy Linux. A `loop` figyeli az üzeneteket a felhasználói felület komponenseitől, például gomboktól, vagy eszközöktől, mint a billentyűzet, és reagál rájuk. Erről többet olvashat ebben a [cikkben az eseményciklusról](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/README.md index 3e0142041..e44f425d3 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Érzékelők és működtetők használata a fizikai világban -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-3.cc3b7b4cd646de59.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -92,7 +92,7 @@ A digitális érzékelők, az analóg érzékelőkhöz hasonlóan, az elektromos A legegyszerűbb digitális érzékelő egy gomb vagy kapcsoló. Ez egy olyan érzékelő, amelynek két állapota van: be vagy ki. -![Egy gomb 5 voltot kap. Ha nincs lenyomva, 0 voltot ad vissza, ha lenyomva van, 5 voltot ad vissza](../../../../../translated_images/hu/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Egy gomb 5 voltot kap. Ha nincs lenyomva, 0 voltot ad vissza, ha lenyomva van, 5 voltot ad vissza](../../../../../translated_images/hu/button.eadb560b77ac45e5.webp) Az IoT eszközök, például a GPIO tüskék, közvetlenül mérhetik ezt a jelet 0-ként vagy 1-ként. Ha a küldött feszültség megegyezik a visszaküldött feszültséggel, az olvasott érték 1, különben az olvasott érték 0. Nincs szükség a jel átalakítására, az csak 1 vagy 0 lehet. @@ -122,7 +122,7 @@ Néhány gyakori működtető: ✅ Kutass egy kicsit! Milyen működtetők vannak a telefonodban? ## Működt -![Egy fény alacsony feszültségen halványan, magasabb feszültségen pedig fényesen világít](../../../../../translated_images/hu/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Egy fény alacsony feszültségen halványan, magasabb feszültségen pedig fényesen világít](../../../../../translated_images/hu/dimmable-light.9ceffeb195dec1a8.webp) Akárcsak az érzékelők esetében, a tényleges IoT eszköz digitális jelekkel működik, nem analóg jelekkel. Ez azt jelenti, hogy analóg jel küldéséhez az IoT eszköznek szüksége van egy digitális-analóg átalakítóra (DAC), amely lehet közvetlenül az IoT eszközön vagy egy csatlakozópanelen. Ez átalakítja az IoT eszköz 0 és 1 értékeit olyan analóg feszültséggé, amelyet az aktuátor használni tud. @@ -169,7 +169,7 @@ A digitális aktuátorok, akárcsak a digitális érzékelők, vagy két állapo Egy egyszerű digitális aktuátor például egy LED. Amikor az eszköz digitális 1 jelet küld, magas feszültséget küld, amely bekapcsolja a LED-et. Amikor digitális 0 jelet küld, a feszültség 0V-ra csökken, és a LED kikapcsol. -![Egy LED 0 voltnál kikapcsolva, 5V-nál bekapcsolva](../../../../../translated_images/hu/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![Egy LED 0 voltnál kikapcsolva, 5V-nál bekapcsolva](../../../../../translated_images/hu/led.ec6d94f66676a174.webp) ✅ Milyen más egyszerű, kétállapotú aktuátorokat tudsz elképzelni? Egy példa lehet egy szolenoid, amely egy elektromágnes, amely aktiválható például egy ajtózár reteszének mozgatására, az ajtó nyitására/zárására. diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index cfc71c28c..c799a3847 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ A Grove LED egy modul formájában érkezik, amely több LED-et tartalmaz, így Csatlakoztasd a LED-et. -![Egy Grove LED](../../../../../translated_images/hu/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Egy Grove LED](../../../../../translated_images/hu/grove-led.6c853be93f473cf2.webp) 1. Válaszd ki a kedvenc LED-edet, és helyezd be a lábait a LED modul két lyukába. @@ -40,7 +40,7 @@ Csatlakoztasd a LED-et. 1. Kapcsold ki a Raspberry Pi-t, és csatlakoztasd a Grove kábel másik végét a Grove Base hat-on lévő **D5** jelzésű digitális aljzathoz, amely a Pi-hez van csatlakoztatva. Ez az aljzat a második balról, a GPIO csatlakozók melletti aljzatsoron. -![A Grove LED csatlakoztatva a D5 aljzathoz](../../../../../translated_images/hu/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![A Grove LED csatlakoztatva a D5 aljzathoz](../../../../../translated_images/hu/pi-led.97f1d474981dc35d.webp) ## Programozd az éjjeli fényt diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 6f563b238..5bda8fab1 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ A Grove fényérzékelőt, amelyet a fény szintjeinek érzékelésére használ Csatlakoztasd a fényérzékelőt. -![Egy Grove fényérzékelő](../../../../../translated_images/hu/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Egy Grove fényérzékelő](../../../../../translated_images/hu/grove-light-sensor.b8127b7c434e632d.webp) 1. Helyezd be a Grove kábel egyik végét a fényérzékelő modul aljzatába. Csak egy irányban illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a Grove Base hat analóg aljzatába, amelyet **A0** jelöléssel látsz. Ez az aljzat a második a jobb oldalon, a GPIO pin-ek melletti aljzatsoron. -![A Grove fényérzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![A Grove fényérzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Programozd a fényérzékelőt diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 1634693d8..4743d4dac 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Add hozzá a LED-et a CounterFit alkalmazáshoz. 1. Válaszd ki az **Add** gombot, hogy létrehozd a LED-et az 5-ös lábon. - ![A LED beállításai](../../../../../translated_images/hu/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![A LED beállításai](../../../../../translated_images/hu/counterfit-create-led.ba9db1c9b8c622a6.webp) A LED létrejön, és megjelenik a működtetők listájában. - ![A létrehozott LED](../../../../../translated_images/hu/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![A létrehozott LED](../../../../../translated_images/hu/counterfit-led.c0ab02de6d256ad8.webp) Miután a LED létrejött, megváltoztathatod a színét a *Color* színválasztóval. A szín kiválasztása után nyomd meg a **Set** gombot a szín megváltoztatásához. diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index e42c426e9..57f64c93e 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Add hozzá a fényérzékelőt a CounterFit alkalmazáshoz. 1. Kattints az **Add** gombra, hogy létrehozd a fényérzékelőt a 0-s tűn. - ![A fényérzékelő beállításai](../../../../../translated_images/hu/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![A fényérzékelő beállításai](../../../../../translated_images/hu/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) A fényérzékelő létrejön, és megjelenik az érzékelők listájában. - ![A létrehozott fényérzékelő](../../../../../translated_images/hu/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![A létrehozott fényérzékelő](../../../../../translated_images/hu/counterfit-light-sensor.5d0f5584df56b90f.webp) ## A fényérzékelő programozása diff --git a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index 8425a4ac6..363af8bc9 100644 --- a/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/hu/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ A Grove LED egy modul formájában érkezik, amely több LED-et tartalmaz, így Csatlakoztasd a LED-et. -![Egy Grove LED](../../../../../translated_images/hu/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![Egy Grove LED](../../../../../translated_images/hu/grove-led.6c853be93f473cf2.webp) 1. Válaszd ki a kedvenc LED-edet, és helyezd be a lábait a LED modul két lyukába. diff --git a/translations/hu/1-getting-started/lessons/4-connect-internet/README.md b/translations/hu/1-getting-started/lessons/4-connect-internet/README.md index e51c2d6cb..da8cfef85 100644 --- a/translations/hu/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/hu/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Csatlakoztassa eszközét az internethez -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-4.7344e074ea68fa54.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattintson a képre a nagyobb verzióért. @@ -47,7 +47,7 @@ Az [MQTT](http://mqtt.org) egy könnyű, nyílt szabványú üzenetküldési pro Az MQTT egyetlen közvetítőt és több klienst használ. Minden kliens csatlakozik a közvetítőhöz, amely az üzeneteket a megfelelő kliensekhez irányítja. Az üzeneteket elnevezett témák segítségével irányítják, nem pedig közvetlenül egy adott klienshez küldik. Egy kliens publikálhat egy témára, és bármelyik kliens, amely feliratkozott erre a témára, megkapja az üzenetet. -![Az IoT-eszköz telemetriát publikál a /telemetry témára, és a felhőszolgáltatás feliratkozik erre a témára](../../../../../translated_images/hu/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![Az IoT-eszköz telemetriát publikál a /telemetry témára, és a felhőszolgáltatás feliratkozik erre a témára](../../../../../translated_images/hu/mqtt.cbf7f21d9adc3e17.webp) ✅ Kutasson egy kicsit! Ha sok IoT-eszköze van, hogyan biztosíthatja, hogy az MQTT közvetítője képes legyen kezelni az összes üzenetet? @@ -69,7 +69,7 @@ Ahelyett, hogy az MQTT közvetítő beállításának bonyolultságával foglalk > 💁 Ez a teszt közvetítő nyilvános és nem biztonságos. Bárki hallgathatja, amit publikál, ezért nem szabad olyan adatokkal használni, amelyeket titokban kell tartani. -![A feladat folyamatábrája, amely a fényerősség leolvasását és ellenőrzését, valamint az LED vezérlését mutatja](../../../../../translated_images/hu/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![A feladat folyamatábrája, amely a fényerősség leolvasását és ellenőrzését, valamint az LED vezérlését mutatja](../../../../../translated_images/hu/assignment-1-internet-flow.3256feab5f052fd2.webp) Kövesse az alábbi lépéseket, hogy csatlakoztassa eszközét az MQTT közvetítőhöz: @@ -336,7 +336,7 @@ Gépek esetében érdemes lehet megtartani az adatokat, különösen, ha azokat Az IoT eszköz tervezőinek azt is figyelembe kell venniük, hogy az eszköz használható-e internetkimaradás vagy helyszíni jelvesztés esetén. Egy okos termosztátnak képesnek kell lennie arra, hogy korlátozott döntéseket hozzon a fűtés vezérlésére, ha nem tud telemetriát küldeni a felhőbe egy kimaradás miatt. -[![Ez a Ferrari használhatatlanná vált, mert valaki föld alatt próbálta frissíteni, ahol nincs mobiljel](../../../../../translated_images/hu/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Ez a Ferrari használhatatlanná vált, mert valaki föld alatt próbálta frissíteni, ahol nincs mobiljel](../../../../../translated_images/hu/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Az MQTT kezeléséhez kapcsolatvesztés esetén az eszköz- és szerverkódnak felelősséget kell vállalnia az üzenetek kézbesítésének biztosításáért, ha szükséges, például azáltal, hogy megköveteli, hogy minden elküldött üzenetre válasz érkezzen egy válasz témán, és ha nem, akkor manuálisan sorba állítják őket későbbi újrajátszásra. @@ -344,7 +344,7 @@ Az MQTT kezeléséhez kapcsolatvesztés esetén az eszköz- és szerverkódnak f A parancsok olyan üzenetek, amelyeket a felhő küld egy eszköznek, hogy utasítsa valamilyen művelet végrehajtására. Ez legtöbbször valamilyen kimenet generálását jelenti egy aktuátor segítségével, de lehet az eszközre vonatkozó utasítás is, például újraindítás vagy további telemetria gyűjtése és válaszként való visszaküldése. -![Egy internetkapcsolattal rendelkező termosztát, amely parancsot kap a fűtés bekapcsolására](../../../../../translated_images/hu/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Egy internetkapcsolattal rendelkező termosztát, amely parancsot kap a fűtés bekapcsolására](../../../../../translated_images/hu/commands.d6c06bbbb3a02cce.webp) Egy termosztát például parancsot kaphat a felhőtől a fűtés bekapcsolására. Az összes érzékelő telemetriai adatai alapján a felhőszolgáltatás úgy döntött, hogy a fűtésnek be kell kapcsolnia, ezért elküldi a megfelelő parancsot. diff --git a/translations/hu/2-farm/lessons/1-predict-plant-growth/README.md b/translations/hu/2-farm/lessons/1-predict-plant-growth/README.md index ec8f212bb..a2d58e6c2 100644 --- a/translations/hu/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/hu/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## Növényi növekedés előrejelzése IoT segítségével -![A lecke áttekintése sketchnote formában](../../../../../translated_images/hu/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![A lecke áttekintése sketchnote formában](../../../../../translated_images/hu/lesson-5.42b234299279d263.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -102,7 +102,7 @@ A lépések ehhez manuálisan: Például, ha a napi legmagasabb hőmérséklet 25°C, a legalacsonyabb pedig 12°C: -![GDD = 25 + 12 osztva 2-vel, majd az eredményből kivonva 10, ami 8.5](../../../../../translated_images/hu/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 osztva 2-vel, majd az eredményből kivonva 10, ami 8.5](../../../../../translated_images/hu/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/hu/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/hu/2-farm/lessons/1-predict-plant-growth/assignment.md index f48e90afc..3c0fb37da 100644 --- a/translations/hu/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/hu/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Miután megvannak a hőmérsékleti adatok, használhatod a Jupyter Notebookot e A Jupyter elindul, és megnyitja a notebookot a böngésződben. Kövesd a notebookban található utasításokat, hogy vizualizáld a mért hőmérsékleteket, és kiszámítsd a növekedési foknapokat (GDD). - ![A jupyter notebook](../../../../../translated_images/hu/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![A jupyter notebook](../../../../../translated_images/hu/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Értékelési szempontok diff --git a/translations/hu/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/hu/2-farm/lessons/1-predict-plant-growth/pi-temp.md index b00a995e2..72af3d60b 100644 --- a/translations/hu/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/hu/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,13 +16,13 @@ A Grove hőmérséklet-érzékelő csatlakoztatható a Raspberry Pi-hoz. Csatlakoztasd a hőmérséklet-érzékelőt. -![Egy Grove hőmérséklet-érzékelő](../../../../../translated_images/hu/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Egy Grove hőmérséklet-érzékelő](../../../../../translated_images/hu/grove-dht11.07f8eafceee17004.webp) 1. Illeszd be a Grove kábel egyik végét a páratartalom- és hőmérséklet-érzékelő aljzatába. Csak egyféleképpen illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a Grove Base hat-on található **D5** jelzésű digitális aljzathoz, amely a Pi-hoz van csatlakoztatva. Ez az aljzat a második balról, a GPIO tüskék melletti aljzatsoron. -![A Grove hőmérséklet-érzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png) +![A Grove hőmérséklet-érzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-temperature-sensor.3ff82fff672c8e56.webp) ## Programozd a hőmérséklet-érzékelőt diff --git a/translations/hu/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/hu/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index bedf3ca44..be3122756 100644 --- a/translations/hu/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/hu/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Add hozzá a páratartalom- és hőmérséklet-érzékelőket a CounterFit alkal 1. Válaszd ki az **Add** gombot, hogy létrehozd a páratartalom-érzékelőt az 5-ös lábon. - ![A páratartalom-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![A páratartalom-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) A páratartalom-érzékelő létrejön, és megjelenik az érzékelők listájában. - ![A páratartalom-érzékelő létrehozva](../../../../../translated_images/hu/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![A páratartalom-érzékelő létrehozva](../../../../../translated_images/hu/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Hozz létre egy hőmérséklet-érzékelőt: @@ -54,11 +54,11 @@ Add hozzá a páratartalom- és hőmérséklet-érzékelőket a CounterFit alkal 1. Válaszd ki az **Add** gombot, hogy létrehozd a hőmérséklet-érzékelőt a 6-os lábon. - ![A hőmérséklet-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![A hőmérséklet-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-temperature-sensor.199350ed34f7343d.webp) A hőmérséklet-érzékelő létrejön, és megjelenik az érzékelők listájában. - ![A hőmérséklet-érzékelő létrehozva](../../../../../translated_images/hu/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![A hőmérséklet-érzékelő létrehozva](../../../../../translated_images/hu/counterfit-temperature-sensor.f0560236c96a9016.webp) ## A hőmérséklet-érzékelő alkalmazás programozása diff --git a/translations/hu/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/hu/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 841380434..f55738ee0 100644 --- a/translations/hu/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/hu/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ A Grove hőmérséklet-érzékelő csatlakoztatható a Wio Terminal digitális p Csatlakoztasd a hőmérséklet-érzékelőt. -![Egy Grove hőmérséklet-érzékelő](../../../../../translated_images/hu/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Egy Grove hőmérséklet-érzékelő](../../../../../translated_images/hu/grove-dht11.07f8eafceee17004.webp) 1. Illeszd be a Grove kábel egyik végét a páratartalom- és hőmérséklet-érzékelő aljzatába. Csak egyféleképpen illeszkedik. diff --git a/translations/hu/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/hu/2-farm/lessons/2-detect-soil-moisture/assignment.md index d9dafecaf..05efb4072 100644 --- a/translations/hu/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/hu/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ Ezeket a lépéseket többször meg kell ismételned, hogy elegendő adatot gyű A gravimetrikus talajnedvesség-tartalom kiszámítása: -![A talajnedvesség % kiszámítása: nedves súly mínusz száraz súly, osztva száraz súllyal, szorozva 100-zal](../../../../../translated_images/hu/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![A talajnedvesség % kiszámítása: nedves súly mínusz száraz súly, osztva száraz súllyal, szorozva 100-zal](../../../../../translated_images/hu/gsm-calculation.6da38c6201eec14e.webp) * W - a nedves talaj súlya * W - a száraz talaj súlya Például, ha van egy talajmintád, amely nedvesen 212g, szárazon pedig 197g. -![A kitöltött számítás](../../../../../translated_images/hu/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![A kitöltött számítás](../../../../../translated_images/hu/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/hu/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/hu/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index f7d4d89cb..96b578863 100644 --- a/translations/hu/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/hu/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ A Grove talajnedvesség-érzékelő csatlakoztatható a Raspberry Pi-hez. Csatlakoztasd a talajnedvesség-érzékelőt. -![Egy Grove talajnedvesség-érzékelő](../../../../../translated_images/hu/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Egy Grove talajnedvesség-érzékelő](../../../../../translated_images/hu/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Dugj be egy Grove kábelt az érzékelő csatlakozójába. Csak egy irányban illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a Grove Base Hat analóg csatlakozójába, amely **A0** jelöléssel van ellátva. Ez a csatlakozó a GPIO csatlakozók melletti sorban, jobbról a második. -![A Grove talajnedvesség-érzékelő csatlakoztatva az A0 csatlakozóhoz](../../../../../translated_images/hu/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![A Grove talajnedvesség-érzékelő csatlakoztatva az A0 csatlakozóhoz](../../../../../translated_images/hu/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Helyezd az érzékelőt a talajba. Az érzékelőn van egy "legmagasabb pozíció vonal" - egy fehér vonal. Helyezd az érzékelőt a vonalig, de ne azon túl. diff --git a/translations/hu/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/hu/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index f9ba8a043..b89a0737e 100644 --- a/translations/hu/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/hu/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Adja hozzá a talajnedvesség-érzékelőt a CounterFit alkalmazáshoz. 1. Válassza ki az **Add** gombot, hogy létrehozza a *Soil Moisture* érzékelőt a 0-s csatlakozón. - ![A talajnedvesség-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![A talajnedvesség-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) A talajnedvesség-érzékelő létrejön, és megjelenik az érzékelők listájában. - ![A létrehozott talajnedvesség-érzékelő](../../../../../translated_images/hu/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![A létrehozott talajnedvesség-érzékelő](../../../../../translated_images/hu/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Talajnedvesség-érzékelő alkalmazás programozása diff --git a/translations/hu/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/hu/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 1ec1d5062..db826cf27 100644 --- a/translations/hu/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/hu/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ A Grove talajnedvesség-érzékelő a Wio Terminal konfigurálható analóg/digi Csatlakoztasd a talajnedvesség-érzékelőt. -![Egy Grove talajnedvesség-érzékelő](../../../../../translated_images/hu/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Egy Grove talajnedvesség-érzékelő](../../../../../translated_images/hu/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Illeszd be a Grove kábel egyik végét a talajnedvesség-érzékelő aljzatába. Csak egyféleképpen illeszthető be. diff --git a/translations/hu/2-farm/lessons/3-automated-plant-watering/README.md b/translations/hu/2-farm/lessons/3-automated-plant-watering/README.md index ede82ae02..85e8b9768 100644 --- a/translations/hu/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/hu/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Automatikus növényöntözés -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-7.30b5f577d3cb8e03.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -32,7 +32,7 @@ Az IoT eszközök alacsony feszültséget használnak. Ez elegendő az érzékel A megoldás az, hogy a pumpát egy külső áramforráshoz csatlakoztatjuk, és egy aktuátort használunk a pumpa bekapcsolására, hasonlóan ahhoz, ahogy egy lámpát kapcsolnánk fel. Csak egy kis energia (például a tested energiája) szükséges ahhoz, hogy az ujjaddal felkapcsolj egy kapcsolót, amely összeköti a lámpát a 110V/240V-os hálózati árammal. -![Egy villanykapcsoló bekapcsolja a lámpát](../../../../../translated_images/hu/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Egy villanykapcsoló bekapcsolja a lámpát](../../../../../translated_images/hu/light-switch.760317ad6ab8bd6d.webp) > 🎓 A [hálózati áram](https://wikipedia.org/wiki/Mains_electricity) az otthonokba és vállalkozásokba nemzeti infrastruktúrán keresztül szállított elektromosságot jelenti a világ számos részén. @@ -72,7 +72,7 @@ Amikor a kar mozog, általában hallhatod, ahogy az elektromágnessel érintkezi Az elektromágnesnek nincs szüksége sok energiára ahhoz, hogy aktiválódjon és meghúzza a kart, vezérelhető a 3,3V vagy 5V kimenettel egy IoT fejlesztői készletről. A kimeneti áramkör sokkal nagyobb teljesítményt képes szállítani, a relétől függően, beleértve a hálózati feszültséget vagy akár ipari használatra szánt magasabb teljesítményszinteket is. Így egy IoT fejlesztői készlet vezérelhet egy öntözőrendszert, egyetlen növényhez használt kis pumpától kezdve egészen egy teljes kereskedelmi farm ipari rendszeréig. -![Egy Grove relé a vezérlő áramkörrel, kimeneti áramkörrel és relével megjelölve](../../../../../translated_images/hu/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Egy Grove relé a vezérlő áramkörrel, kimeneti áramkörrel és relével megjelölve](../../../../../translated_images/hu/grove-relay-labelled.293e068f5c3c2a19.webp) A fenti képen egy Grove relé látható. A vezérlő áramkör egy IoT eszközhöz csatlakozik, és 3,3V vagy 5V segítségével kapcsolja be vagy ki a relét. A kimeneti áramkör két terminállal rendelkezik, bármelyik lehet áramforrás vagy földelés. A kimeneti áramkör akár 250V-ot és 10A-t is képes kezelni, ami elegendő számos hálózati árammal működő eszközhöz. Léteznek még nagyobb teljesítményű relék is. diff --git a/translations/hu/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/hu/2-farm/lessons/3-automated-plant-watering/pi-relay.md index b05c1fde8..52b457331 100644 --- a/translations/hu/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/hu/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ A Grove relé csatlakoztatható a Raspberry Pi-hez. Csatlakoztasd a relét. -![Egy Grove relé](../../../../../translated_images/hu/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Egy Grove relé](../../../../../translated_images/hu/grove-relay.d426958ca210fbd0.webp) 1. Dugj be egy Grove kábelt a relé aljzatába. Csak egyféleképpen illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a **D5** jelzésű digitális aljzathoz a Pi-hez csatlakoztatott Grove Base Hat-on. Ez az aljzat a második balról, a GPIO csatlakozók melletti aljzatsoron. Hagyd a talajnedvesség-érzékelőt az **A0** aljzathoz csatlakoztatva. -![A Grove relé a D5 aljzathoz csatlakoztatva, és a talajnedvesség-érzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![A Grove relé a D5 aljzathoz csatlakoztatva, és a talajnedvesség-érzékelő az A0 aljzathoz csatlakoztatva](../../../../../translated_images/hu/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Helyezd a talajnedvesség-érzékelőt a talajba, ha az előző leckéből még nem tetted meg. diff --git a/translations/hu/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/hu/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 335770d5c..49d553782 100644 --- a/translations/hu/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/hu/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Add hozzá a relét a CounterFit alkalmazáshoz. 1. Kattints az **Add** gombra, hogy létrehozd a relét az 5-ös lábon. - ![A relé beállításai](../../../../../translated_images/hu/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![A relé beállításai](../../../../../translated_images/hu/counterfit-create-relay.fa7c40fd0f2f6afc.webp) A relé létrejön, és megjelenik az aktuátorok listájában. - ![A létrehozott relé](../../../../../translated_images/hu/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![A létrehozott relé](../../../../../translated_images/hu/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## A relé programozása diff --git a/translations/hu/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/hu/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 8e4709ecc..3464171e5 100644 --- a/translations/hu/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/hu/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Migráld a növényedet a felhőbe -![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-8.3f21f3c11159e6a0.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -46,8 +46,8 @@ Ez nagyon drága lehetett, széles körű szakértelmet igényelt, és lassú vo A felhőt gyakran viccesen "valaki más számítógépének" nevezik. Az alapötlet egyszerű volt - a számítógépek vásárlása helyett bérelj valaki más számítógépét. Valaki más, egy felhőszolgáltató, hatalmas adatközpontokat üzemeltetne. Ők felelnének a hardver vásárlásáért és telepítéséért, az áramellátásért és hűtésért, a hálózatért, az épület biztonságáért, a hardver és szoftver frissítésekért, mindenért. Ügyfélként bérelhetnéd a szükséges számítógépeket, bérelhetnél többet, amikor a kereslet megugrik, majd csökkenthetnéd a bérlést, ha a kereslet visszaesik. Ezek az adatközpontok világszerte megtalálhatók. -![Egy Microsoft felhő adatközpont](../../../../../translated_images/hu/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Egy Microsoft felhő adatközpont tervezett bővítése](../../../../../translated_images/hu/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Egy Microsoft felhő adatközpont](../../../../../translated_images/hu/azure-region-existing.73f704604f2aa6cb.webp) +![Egy Microsoft felhő adatközpont tervezett bővítése](../../../../../translated_images/hu/azure-region-planned-expansion.a5074a1e8af74f15.webp) Ezek az adatközpontok akár több négyzetkilométeresek is lehetnek. A fenti képek néhány évvel ezelőtt készültek egy Microsoft felhő adatközpontban, és az eredeti méretet, valamint a tervezett bővítést mutatják. A bővítéshez előkészített terület több mint 5 négyzetkilométer. @@ -108,11 +108,11 @@ A felhő IoT szolgáltatások megoldják ezeket a problémákat. Ezeket nagy fel Az IoT eszközök egy felhőszolgáltatáshoz csatlakoznak, vagy egy eszköz SDK (egy könyvtár, amely kódot biztosít a szolgáltatás funkcióinak használatához), vagy közvetlenül egy kommunikációs protokoll, például MQTT vagy HTTP segítségével. Az eszköz SDK általában a legegyszerűbb út, mivel mindent kezel, például tudja, milyen témákra kell publikálni vagy feliratkozni, és hogyan kell kezelni a biztonságot. -![Az eszközök egy eszköz SDK segítségével csatlakoznak a szolgáltatáshoz. A szerver kód szintén egy SDK-n keresztül csatlakozik a szolgáltatáshoz](../../../../../translated_images/hu/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Az eszközök egy eszköz SDK segítségével csatlakoznak a szolgáltatáshoz. A szerver kód szintén egy SDK-n keresztül csatlakozik a szolgáltatáshoz](../../../../../translated_images/hu/iot-service-connectivity.7e873847921a5d6f.webp) Az eszközöd ezután az alkalmazásod más részeivel kommunikál ezen a szolgáltatáson keresztül - hasonlóan ahhoz, ahogy telemetriát küldtél és parancsokat fogadtál az MQTT-n keresztül. Ez általában egy szolgáltatás SDK vagy egy hasonló könyvtár segítségével történik. Az üzenetek az eszközödről a szolgáltatáshoz érkeznek, ahol az alkalmazásod más komponensei elolvashatják őket, majd üzeneteket küldhetnek vissza az eszközödre. -![Az érvényes titkos kulccsal nem rendelkező eszközök nem tudnak csatlakozni az IoT szolgáltatáshoz](../../../../../translated_images/hu/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Az érvényes titkos kulccsal nem rendelkező eszközök nem tudnak csatlakozni az IoT szolgáltatáshoz](../../../../../translated_images/hu/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Ezek a szolgáltatások biztonságot valósítanak meg azáltal, hogy ismerik az összes eszközt, amely csatlakozhat és adatokat küldhet, akár úgy, hogy az eszközöket előzetesen regisztrálják a szolgáltatásban, akár úgy, hogy az eszközök titkos kulcsokat vagy tanúsítványokat kapnak, amelyeket az első csatlakozáskor használhatnak a szolgáltatásba való reg 💁 Az IoT-szolgáltatások további képességeket is megvalósítanak, és a felhőszolgáltatók további szolgáltatásokat és alkalmazásokat kínálnak, amelyek csatlakoztathatók a szolgáltatáshoz. Például, ha az összes eszköz által küldött telemetriai üzeneteket egy adatbázisban szeretné tárolni, általában csak néhány kattintás szükséges a felhőszolgáltató konfigurációs eszközében, hogy a szolgáltatást csatlakoztassa az adatbázishoz, és az adatokat oda továbbítsa. @@ -120,7 +120,7 @@ Ezek a szolgáltatások biztonságot valósítanak meg azáltal, hogy ismerik az Most, hogy van Azure-előfizetésed, regisztrálhatsz egy IoT szolgáltatásra. A Microsoft IoT szolgáltatása az Azure IoT Hub. -![Az Azure IoT Hub logója](../../../../../translated_images/hu/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Az Azure IoT Hub logója](../../../../../translated_images/hu/azure-iot-hub-logo.28a19de76d0a1932.webp) Az alábbi videó rövid áttekintést nyújt az Azure IoT Hubról: diff --git a/translations/hu/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/hu/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index cb5593fc3..efd0e7968 100644 --- a/translations/hu/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/hu/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Alkalmazáslogika áthelyezése a felhőbe -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-9.dfe99c8e891f48e1.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -28,7 +28,7 @@ Ebben a leckében a következőket tárgyaljuk: A szerver nélküli, vagy szerver nélküli számítástechnika kis kódrészletek létrehozását jelenti, amelyek a felhőben futnak különböző események hatására. Amikor az esemény bekövetkezik, a kódod lefut, és megkapja az esemény adatait. Ezek az események sokféle forrásból származhatnak, például webes kérésekből, sorba helyezett üzenetekből, adatbázisban történt változásokból vagy IoT eszközök által küldött üzenetekből. -![Események küldése egy IoT szolgáltatásból egy szerver nélküli szolgáltatásba, amelyeket egyszerre több funkció dolgoz fel](../../../../../translated_images/hu/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Események küldése egy IoT szolgáltatásból egy szerver nélküli szolgáltatásba, amelyeket egyszerre több funkció dolgoz fel](../../../../../translated_images/hu/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ha már használtál adatbázis-triggereket, gondolj erre úgy, mint egy hasonló dologra: kódot indít el egy esemény, például egy sor beszúrása. @@ -54,7 +54,7 @@ IoT fejlesztőként a szerver nélküli modell ideális. Írhatsz egy funkciót, A Microsoft szerver nélküli számítástechnikai szolgáltatása az Azure Functions. -![Az Azure Functions logója](../../../../../translated_images/hu/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Az Azure Functions logója](../../../../../translated_images/hu/azure-functions-logo.1cfc8e3204c9c44a.webp) Az alábbi rövid videó áttekintést nyújt az Azure Functions-ről: diff --git a/translations/hu/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/hu/2-farm/lessons/6-keep-your-plant-secure/README.md index 347d8965b..0a894a709 100644 --- a/translations/hu/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/hu/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Tartsd biztonságban a növényedet -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-10.829c86b80b9403bb.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -52,11 +52,11 @@ Ezek valós életbeli forgatókönyvek, és gyakran előfordulnak. Néhány pél Amikor egy eszköz csatlakozik egy IoT szolgáltatáshoz, egy azonosítót használ, hogy azonosítsa magát. A probléma az, hogy ez az azonosító klónozható - egy hacker beállíthat egy rosszindulatú eszközt, amely ugyanazt az azonosítót használja, mint egy valódi eszköz, de hamis adatokat küld. -![Mind a valódi, mind a rosszindulatú eszköz ugyanazt az azonosítót használhatja telemetria küldésére](../../../../../translated_images/hu/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Mind a valódi, mind a rosszindulatú eszköz ugyanazt az azonosítót használhatja telemetria küldésére](../../../../../translated_images/hu/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) A megoldás az, hogy az elküldött adatokat egy kódolt formátumba alakítjuk, egy olyan érték segítségével, amelyet csak az eszköz és a felhő ismer. Ezt a folyamatot *titkosításnak* nevezzük, és az adat titkosításához használt értéket *titkosítási kulcsnak* hívjuk. -![Ha titkosítást használunk, akkor csak a titkosított üzeneteket fogadják el, a többit elutasítják](../../../../../translated_images/hu/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ha titkosítást használunk, akkor csak a titkosított üzeneteket fogadják el, a többit elutasítják](../../../../../translated_images/hu/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) A felhőszolgáltatás ezután visszaalakítja az adatokat olvasható formátumba, egy *dekódolási kulcs* segítségével. Ha a titkosított üzenetet nem lehet dekódolni a kulccsal, az eszközt feltörték, és az üzenetet elutasítják. diff --git a/translations/hu/3-transport/lessons/1-location-tracking/README.md b/translations/hu/3-transport/lessons/1-location-tracking/README.md index 30d030e4d..553163e31 100644 --- a/translations/hu/3-transport/lessons/1-location-tracking/README.md +++ b/translations/hu/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Helymeghatározás -![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-11.9fddbac4b664c6d5.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -63,13 +63,13 @@ A Föld egy gömb – egy háromdimenziós kör. Emiatt a pontokat úgy határoz > 💁 Senki sem tudja pontosan, miért osztják a köröket 360 fokra. A [fok (szög) Wikipedia oldala](https://wikipedia.org/wiki/Degree_(angle)) néhány lehetséges okot ismertet. -![Szélességi vonalak: 90° az Északi-sarknál, 45° félúton az Északi-sark és az Egyenlítő között, 0° az Egyenlítőnél, -45° félúton az Egyenlítő és a Déli-sark között, és -90° a Déli-sarknál](../../../../../translated_images/hu/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Szélességi vonalak: 90° az Északi-sarknál, 45° félúton az Északi-sark és az Egyenlítő között, 0° az Egyenlítőnél, -45° félúton az Egyenlítő és a Déli-sark között, és -90° a Déli-sarknál](../../../../../translated_images/hu/latitude-lines.11d8d91dfb2014a5.webp) A szélességet az Egyenlítővel párhuzamosan futó vonalakkal mérik, amelyek az Északi és Déli féltekét 90°-ra osztják. Az Egyenlítő 0°-nál van, az Északi-sark 90°, más néven 90° Észak, a Déli-sark pedig -90°, vagy 90° Dél. A hosszúságot a kelet-nyugati irányú fokok számával mérik. A hosszúság 0°-os kiindulópontját *Prime Meridian*-nek nevezik, amelyet 1884-ben határoztak meg, hogy az Északi-sarktól a Déli-sarkig húzódó vonal legyen, amely áthalad a [Brit Királyi Obszervatóriumon Greenwichben, Angliában](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Hosszúsági vonalak: -180° a Prime Meridian nyugati oldalán, 0° a Prime Meridianon, 180° a Prime Meridian keleti oldalán](../../../../../translated_images/hu/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Hosszúsági vonalak: -180° a Prime Meridian nyugati oldalán, 0° a Prime Meridianon, 180° a Prime Meridian keleti oldalán](../../../../../translated_images/hu/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 A meridián egy képzeletbeli egyenes vonal, amely az Északi-sarktól a Déli-sarkig húzódik, félkört alkotva. @@ -100,7 +100,7 @@ Egy pont koordinátái mindig `szélesség, hosszúság` formában vannak megadv * Szélessége: 47.6423109 (47.6423109 fokkal északra az Egyenlítőtől) * Hosszúsága: -122.1390293 (122.1390293 fokkal nyugatra a Prime Meridian-tól). -![A Microsoft Campus a 47.6423109,-122.117198 koordinátán](../../../../../translated_images/hu/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![A Microsoft Campus a 47.6423109,-122.117198 koordinátán](../../../../../translated_images/hu/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Globális Helymeghatározó Rendszerek (GPS) @@ -112,7 +112,7 @@ A GPS rendszerek úgy működnek, hogy több műhold jelet küld a műholdak akt > 💁 A GPS érzékelőknek antennára van szükségük a rádióhullámok érzékeléséhez. A teherautókba és autókba beépített GPS antennák úgy vannak elhelyezve, hogy jó jelet kapjanak, általában a szélvédőn vagy a tetőn. Ha külön GPS rendszert használsz, például okostelefont vagy IoT eszközt, akkor biztosítanod kell, hogy a GPS rendszerbe vagy telefonba beépített antenna tiszta rálátással rendelkezzen az égboltra, például a szélvédőn legyen elhelyezve. -![Az érzékelő és több műhold közötti távolság ismeretében a helyzet kiszámítható](../../../../../translated_images/hu/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Az érzékelő és több műhold közötti távolság ismeretében a helyzet kiszámítható](../../../../../translated_images/hu/gps-satellites.04acf1148fe25fbf.webp) A GPS műholdak a Föld körül keringenek, nem rögzített ponton az érzékelő felett, így a helyadatok a tengerszint feletti magasságot is tartalmazzák a szélesség és hosszúság mellett. diff --git a/translations/hu/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/hu/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 441ce9bb4..16181f8c3 100644 --- a/translations/hu/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/hu/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ A Grove GPS szenzort csatlakoztathatod a Raspberry Pi-hez. Csatlakoztasd a GPS szenzort. -![Egy Grove GPS szenzor](../../../../../translated_images/hu/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Egy Grove GPS szenzor](../../../../../translated_images/hu/grove-gps-sensor.247943bf69b03f0d.webp) 1. Dugj be egy Grove kábelt a GPS szenzor aljzatába. Csak egy irányban illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a Grove Base hat **UART** jelzésű aljzatába, amely a Pi-hez van csatlakoztatva. Ez az aljzat a középső sorban található, az SD kártya nyílás közelében, a másik oldalon, mint az USB portok és az ethernet aljzat. - ![A Grove GPS szenzor csatlakoztatva az UART aljzathoz](../../../../../translated_images/hu/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![A Grove GPS szenzor csatlakoztatva az UART aljzathoz](../../../../../translated_images/hu/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Helyezd el a GPS szenzort úgy, hogy a csatlakoztatott antennája látható legyen az ég felé - ideális esetben egy nyitott ablak mellett vagy a szabadban. Az antenna akadálytalan elhelyezése segít tisztább jelet kapni. diff --git a/translations/hu/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/hu/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 533a60b42..625095272 100644 --- a/translations/hu/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/hu/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Adja hozzá a GPS-érzékelőt a CounterFit alkalmazáshoz. 1. Válassza ki az **Add** gombot, hogy létrehozza a GPS-érzékelőt a `/dev/ttyAMA0` porton. - ![A GPS-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![A GPS-érzékelő beállításai](../../../../../translated_images/hu/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) A GPS-érzékelő létrejön, és megjelenik az érzékelők listájában. - ![A létrehozott GPS-érzékelő](../../../../../translated_images/hu/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![A létrehozott GPS-érzékelő](../../../../../translated_images/hu/counterfit-gps-sensor.3fbb15af0a536756.webp) ## A GPS-érzékelő programozása @@ -102,17 +102,17 @@ Programozza be a GPS-érzékelő alkalmazást. * Állítsa a **Source** mezőt `Lat/Lon` értékre, és adjon meg egy konkrét szélességi, hosszúsági fokot, valamint a GPS-jel rögzítéséhez használt műholdak számát. Ez az érték csak egyszer kerül elküldésre, ezért jelölje be a **Repeat** mezőt, hogy az adat minden másodpercben ismétlődjön. - ![A GPS-érzékelő lat/lon beállítással](../../../../../translated_images/hu/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![A GPS-érzékelő lat/lon beállítással](../../../../../translated_images/hu/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Állítsa a **Source** mezőt `NMEA` értékre, és adjon hozzá néhány NMEA mondatot a szövegdobozba. Ezek az értékek mind elküldésre kerülnek, 1 másodperces késleltetéssel minden új GGA (pozíció rögzítési) mondat előtt. - ![A GPS-érzékelő NMEA mondatokkal](../../../../../translated_images/hu/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![A GPS-érzékelő NMEA mondatokkal](../../../../../translated_images/hu/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Használhat olyan eszközt, mint például a [nmeagen.org](https://www.nmeagen.org), hogy ezeket a mondatokat térképen rajzolva generálja. Ezek az értékek csak egyszer kerülnek elküldésre, ezért jelölje be a **Repeat** mezőt, hogy az adatok egy másodperccel az elküldésük után ismétlődjenek. * Állítsa a **Source** mezőt GPX fájlra, és töltsön fel egy GPX fájlt nyomvonal helyszínekkel. GPX fájlokat letölthet számos népszerű térképes és túrázós weboldalról, például az [AllTrails](https://www.alltrails.com/) oldalról. Ezek a fájlok több GPS-helyszínt tartalmaznak egy útvonal formájában, és a GPS-érzékelő minden új helyszínt 1 másodperces időközönként ad vissza. - ![A GPS-érzékelő GPX fájllal](../../../../../translated_images/hu/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![A GPS-érzékelő GPX fájllal](../../../../../translated_images/hu/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Ezek az értékek csak egyszer kerülnek elküldésre, ezért jelölje be a **Repeat** mezőt, hogy az adatok egy másodperccel az elküldésük után ismétlődjenek. diff --git a/translations/hu/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/hu/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 7a0244de2..58e31f13c 100644 --- a/translations/hu/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/hu/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ A Grove GPS-érzékelő csatlakoztatható a Wio Terminalhoz. Csatlakoztassa a GPS-érzékelőt. -![Egy Grove GPS-érzékelő](../../../../../translated_images/hu/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Egy Grove GPS-érzékelő](../../../../../translated_images/hu/grove-gps-sensor.247943bf69b03f0d.webp) 1. Helyezze be a Grove kábel egyik végét a GPS-érzékelő aljzatába. Csak egyféleképpen illeszkedik. diff --git a/translations/hu/3-transport/lessons/2-store-location-data/README.md b/translations/hu/3-transport/lessons/2-store-location-data/README.md index 07d64929f..ff523b228 100644 --- a/translations/hu/3-transport/lessons/2-store-location-data/README.md +++ b/translations/hu/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Tárolja a helyadatokat -![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-12.ca7f53039712a3ec.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattintson a képre a nagyobb verzióért. @@ -75,7 +75,7 @@ A NoSQL adatbázisokat azért nevezik NoSQL-nek, mert nem rendelkeznek az SQL ad > 💁 A nevük ellenére néhány NoSQL adatbázis lehetővé teszi az SQL használatát az adatok lekérdezésére. -![Dokumentumok mappákban egy NoSQL adatbázisban](../../../../../translated_images/hu/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Dokumentumok mappákban egy NoSQL adatbázisban](../../../../../translated_images/hu/noqsl-database.62d24ccf5b73f60d.webp) A NoSQL adatbázisoknak nincs előre definiált sémája, amely korlátozná az adatok tárolását, ehelyett bármilyen strukturálatlan adatot beilleszthet, általában JSON dokumentumok formájában. Ezek a dokumentumok mappákba szervezhetők, hasonlóan a számítógépen lévő fájlokhoz. Minden dokumentum különböző mezőkkel rendelkezhet, mint más dokumentumok - például, ha a farmjárművekből származó IoT-adatokat tárolná, néhány dokumentum tartalmazhat gyorsulásmérő és sebességadatokat, mások pedig a pótkocsi hőmérsékletét. Ha új teherautótípust adna hozzá, például olyat, amely beépített mérlegekkel rendelkezik a szállított termékek súlyának nyomon követésére, akkor az IoT-eszköz hozzáadhatná ezt az új mezőt, és azt tárolhatná anélkül, hogy változtatásokat kellene végezni az adatbázison. @@ -89,7 +89,7 @@ Ebben a leckében NoSQL tárolást fog használni IoT-adatok tárolására. Az előző leckében GPS-adatokat rögzített egy IoT-eszközhöz csatlakoztatott GPS-érzékelőből. Ahhoz, hogy ezeket az IoT-adatokat a felhőben tárolhassa, el kell küldenie őket egy IoT-szolgáltatásba. Ismét az Azure IoT Hubot fogja használni, ugyanazt az IoT-felhőszolgáltatást, amelyet az előző projektben használt. -![GPS telemetria küldése egy IoT-eszközről az IoT Hubba](../../../../../translated_images/hu/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![GPS telemetria küldése egy IoT-eszközről az IoT Hubba](../../../../../translated_images/hu/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Feladat - GPS-adatok küldése egy IoT Hubba @@ -183,7 +183,7 @@ A hideg útvonal adatok adatközpontokban kerülnek tárolásra - olyan adatbáz ## Azure Storage-fiókok -![Az Azure Storage logója](../../../../../translated_images/hu/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Az Azure Storage logója](../../../../../translated_images/hu/azure-storage-logo.605c0f602c640d48.webp) Az Azure Storage-fiókok egy általános célú tárolási szolgáltatás, amely különböző módokon képes adatokat tárolni. Tárolhatsz adatokat blobokként, sorokban, táblákban vagy fájlokként, akár egyszerre is. diff --git a/translations/hu/3-transport/lessons/3-visualize-location-data/README.md b/translations/hu/3-transport/lessons/3-visualize-location-data/README.md index 541c4eacd..8558a534a 100644 --- a/translations/hu/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/hu/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Helyadatok vizualizálása -![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-13.a259db1485021be7.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -64,11 +64,11 @@ Egy egyszerű példát véve - a farm projektnél talajnedvesség adatokat gyűj Emberként ennek az adatnak a megértése nehéz lehet. Ez egy számokból álló fal, amelynek nincs jelentése. Az adatok vizualizálásának első lépéseként egy vonaldiagramon ábrázolhatjuk őket: -![A fenti adatok vonaldiagramja](../../../../../translated_images/hu/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![A fenti adatok vonaldiagramja](../../../../../translated_images/hu/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Ez tovább javítható egy vonal hozzáadásával, amely jelzi, hogy az automatikus öntözőrendszer bekapcsolt, amikor a talajnedvesség értéke elérte a 450-et: -![Talajnedvesség vonaldiagramja egy 450-es vonallal](../../../../../translated_images/hu/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Talajnedvesség vonaldiagramja egy 450-es vonallal](../../../../../translated_images/hu/chart-soil-moisture-relay.fbb391236d34a64d.webp) Ez a diagram gyorsan megmutatja nemcsak a talajnedvesség szintjeit, hanem azokat a pontokat is, ahol az öntözőrendszer bekapcsolt. @@ -84,7 +84,7 @@ GPS adatokkal dolgozva a legérthetőbb vizualizáció az lehet, ha az adatokat A térképekkel való munka érdekes feladat, és sokféle térképszolgáltatás közül választhatsz, például Bing Maps, Leaflet, Open Street Maps és Google Maps. Ebben a leckében az [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) szolgáltatást fogod megismerni, és megtanulod, hogyan jelenítheted meg GPS adataidat. -![Az Azure Maps logója](../../../../../translated_images/hu/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Az Azure Maps logója](../../../../../translated_images/hu/azure-maps-logo.35d01dcfbd81fe61.webp) Az Azure Maps "egy gyűjteménye geospaciális szolgáltatásoknak és SDK-knak, amelyek friss térképadatokat használnak, hogy földrajzi kontextust biztosítsanak webes és mobilalkalmazások számára." A fejlesztők eszközöket kapnak gyönyörű, interaktív térképek létrehozásához, amelyek például ajánlott útvonalakat, forgalmi eseményekről szóló információkat, beltéri navigációt, keresési lehetőségeket, magassági adatokat, időjárási szolgáltatásokat és még sok mást kínálnak. @@ -185,7 +185,7 @@ Most megteheted a következő lépést, amely egy térkép megjelenítése egy w Ha megnyitod az `index.html` fájlt egy webböngészőben, egy térképet kell látnod, amely a Seattle környékére van fókuszálva. - ![Egy térkép, amely Seattle-t, egy várost Washington államban, USA-ban mutat](../../../../../translated_images/hu/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Egy térkép, amely Seattle-t, egy várost Washington államban, USA-ban mutat](../../../../../translated_images/hu/map-image.8fb2c53eb23ef39c.webp) ✅ Kísérletezz a zoom és középpont paraméterekkel, hogy megváltoztasd a térkép megjelenítését. Hozzáadhatsz különböző koordinátákat, amelyek megfelelnek az adataid szélességi és hosszúsági értékeinek, hogy újraközéppontozd a térképet. @@ -317,7 +317,7 @@ Ha hívást indítasz a tárhelyedre az adatok lekéréséhez, meglepődve tapas 1. Töltsd be a HTML oldalt a böngésződbe. A térkép betöltődik, majd a GPS-adatok a tárhelyről betöltődnek, és megjelennek a térképen. - ![A Saint Edward State Park térképe Seattle közelében, körökkel az útvonal mentén a park szélén](../../../../../translated_images/hu/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![A Saint Edward State Park térképe Seattle közelében, körökkel az útvonal mentén a park szélén](../../../../../translated_images/hu/map-path.896832e72dc696ff.webp) > 💁 Ezt a kódot megtalálod a [code](../../../../../3-transport/lessons/3-visualize-location-data/code) mappában. diff --git a/translations/hu/3-transport/lessons/4-geofences/README.md b/translations/hu/3-transport/lessons/4-geofences/README.md index 439a2411e..ec478d1b3 100644 --- a/translations/hu/3-transport/lessons/4-geofences/README.md +++ b/translations/hu/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geokerítések -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-14.63980c5150ae3c15.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -35,7 +35,7 @@ Ebben a leckében a következőkről lesz szó: A geokerítés egy virtuális határ egy valós földrajzi régió körül. A geokerítések lehetnek körök, amelyeket egy pont és egy sugár határoz meg (például egy 100 méter széles kör egy épület körül), vagy poligonok, amelyek egy területet fednek le, például egy iskolaövezetet, városhatárt, egyetemi vagy irodai kampuszt. -![Néhány geokerítés példa, amely egy kör alakú geokerítést mutat a Microsoft vállalati boltja körül, és egy poligon geokerítést a Microsoft nyugati kampusza körül](../../../../../translated_images/hu/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Néhány geokerítés példa, amely egy kör alakú geokerítést mutat a Microsoft vállalati boltja körül, és egy poligon geokerítést a Microsoft nyugati kampusza körül](../../../../../translated_images/hu/geofence-examples.172fbc534665769f.webp) > 💁 Lehet, hogy már használtál geokerítéseket anélkül, hogy tudtál volna róla. Ha például az iOS emlékeztetők alkalmazásában vagy a Google Keepben helyalapú emlékeztetőt állítottál be, akkor geokerítést használtál. Ezek az alkalmazások a megadott hely alapján geokerítést állítanak fel, és értesítenek, amikor a telefonod belép a geokerítésbe. @@ -282,7 +282,7 @@ Ahogy az előző leckékből emlékezhet, az IoT Hub lehetővé teszi, hogy újr A válasz az, hogy nem tudja! Ehelyett több különálló kapcsolatot definiálhat az események olvasására, és mindegyik kezelheti az olvasatlan üzenetek újrajátszását. Ezeket *fogyasztói csoportoknak* nevezzük. Amikor csatlakozik az endpointhoz, megadhatja, melyik fogyasztói csoporthoz kíván csatlakozni. Az alkalmazás minden komponense más fogyasztói csoporthoz csatlakozik. -![Egy IoT Hub 3 fogyasztói csoporttal, amelyek ugyanazokat az üzeneteket osztják szét 3 különböző Functions alkalmazásnak](../../../../../translated_images/hu/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![Egy IoT Hub 3 fogyasztói csoporttal, amelyek ugyanazokat az üzeneteket osztják szét 3 különböző Functions alkalmazásnak](../../../../../translated_images/hu/consumer-groups.a3262e26fc27ba20.webp) Elméletileg akár 5 alkalmazás is csatlakozhat minden fogyasztói csoporthoz, és mindegyik üzeneteket kap, amikor azok megérkeznek. A legjobb gyakorlat az, hogy minden fogyasztói csoporthoz csak egy alkalmazás férjen hozzá, hogy elkerülje az üzenetek duplikált feldolgozását, és biztosítsa, hogy újraindításkor minden sorban álló üzenet helyesen legyen feldolgozva. Például, ha a Functions alkalmazását helyben indítja el, miközben a felhőben is fut, mindkettő feldolgozná az üzeneteket, ami duplikált blobokat eredményezne a tárhelyfiókban. diff --git a/translations/hu/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/hu/4-manufacturing/lessons/1-train-fruit-detector/README.md index 06c83b247..28e277785 100644 --- a/translations/hu/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/hu/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Gyümölcsminőség-ellenőrző betanítása -![A lecke áttekintése sketchnote formájában](../../../../../translated_images/hu/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![A lecke áttekintése sketchnote formájában](../../../../../translated_images/hu/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -38,7 +38,7 @@ Nem minden termény érik egyenletesen. Például a paradicsom esetében előfor Az automatizált betakarítás elterjedésével a termény válogatása a betakarítás helyett a gyárakba került. Az élelmiszerek hosszú szállítószalagokon haladtak, ahol emberek csoportjai válogatták ki a nem megfelelő minőségű terményeket. Bár a gépi betakarítás olcsóbbá tette a folyamatot, az élelmiszerek kézi válogatása továbbra is költséges volt. -![Ha egy piros paradicsomot észlelnek, az zavartalanul folytatja útját. Ha egy zöld paradicsomot észlelnek, egy kar vagy levegőfúvóka egy hulladéktartályba löki.](../../../../../translated_images/hu/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ha egy piros paradicsomot észlelnek, az zavartalanul folytatja útját. Ha egy zöld paradicsomot észlelnek, egy kar vagy levegőfúvóka egy hulladéktartályba löki.](../../../../../translated_images/hu/optical-tomato-sorting.61aa134bdda4e5b1.webp) A következő fejlődési lépés az volt, hogy gépeket használtak a válogatásra, akár a betakarítógépbe építve, akár a feldolgozóüzemekben. Az első generációs gépek optikai érzékelőket használtak a színek felismerésére, és karok vagy levegőfúvókák segítségével a zöld paradicsomokat egy hulladéktartályba lökték, míg a piros paradicsomok zavartalanul folytatták útjukat a szállítószalagokon. @@ -62,7 +62,7 @@ Például adhatsz egy modellnek milliónyi képet éretlen banánokról bemeneti > 🎓 Az ML modellek eredményeit *előrejelzéseknek* nevezzük. -![2 banán: egy érett, amelyre az előrejelzés 99,7% érett és 0,3% éretlen, és egy éretlen, amelyre az előrejelzés 1,4% érett és 98,6% éretlen.](../../../../../translated_images/hu/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 banán: egy érett, amelyre az előrejelzés 99,7% érett és 0,3% éretlen, és egy éretlen, amelyre az előrejelzés 1,4% érett és 98,6% éretlen.](../../../../../translated_images/hu/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) Az ML modellek nem adnak bináris választ, hanem valószínűségeket. Például egy modell kaphat egy képet egy banánról, és előrejelzést adhat `érett` 99,7%-kal és `éretlen` 0,3%-kal. A kódod ezután kiválasztja a legjobb előrejelzést, és eldönti, hogy a banán érett. @@ -90,7 +90,7 @@ Számos eszköz áll rendelkezésre, amelyek segítenek ebben, beleértve a felh A Custom Vision egy felhőalapú eszköz képosztályozók betanítására. Lehetővé teszi, hogy egy osztályozót kis számú képpel betaníts. A képeket egy webes portálon, webes API-n vagy SDK-n keresztül töltheted fel, és minden képhez egy *címkét* adhatsz, amely az adott kép osztályozását jelöli. Ezután betaníthatod a modellt, és tesztelheted, hogy mennyire jól teljesít. Ha elégedett vagy a modellel, közzéteheted annak verzióit, amelyeket webes API-n vagy SDK-n keresztül érhetsz el. -![Az Azure Custom Vision logója](../../../../../translated_images/hu/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Az Azure Custom Vision logója](../../../../../translated_images/hu/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Egy Custom Vision modellt akár 5 kép osztályonkénti használatával is betaníthatsz, de a több jobb. Legalább 30 képpel jobb eredményeket érhetsz el. @@ -156,7 +156,7 @@ Az osztályozók nagyon alacsony felbontáson futnak. Például a Custom Vision * Használj 2 érett banánt, és készíts róluk néhány képet különböző szögekből, legalább 7 képet (5 a tanításhoz, 2 a teszteléshez), de ideális esetben többet. - ![Képek 2 különböző banánról](../../../../../translated_images/hu/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Képek 2 különböző banánról](../../../../../translated_images/hu/banana-training-images.530eb203346d73bc.webp) * Ismételd meg ugyanezt a folyamatot 2 éretlen banánnal. @@ -166,7 +166,7 @@ Az osztályozók nagyon alacsony felbontáson futnak. Például a Custom Vision 1. Kövesd a [képek feltöltése és címkézése szakaszt a Microsoft dokumentációjában az osztályozó gyorsindítójában](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), hogy feltöltsd a tanítóképeidet. Címkézd az érett gyümölcsöt `ripe`-ként, az éretlent pedig `unripe`-ként. - ![A feltöltési párbeszédablakok, amelyek érett és éretlen banánképek feltöltését mutatják](../../../../../translated_images/hu/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![A feltöltési párbeszédablakok, amelyek érett és éretlen banánképek feltöltését mutatják](../../../../../translated_images/hu/image-upload-bananas.0751639f3815e0ec.webp) 1. Kövesd a [osztályozó betanítása szakaszt a Microsoft dokumentációjában az osztályozó gyorsindítójában](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier), hogy betanítsd az osztályozót a feltöltött képekkel. @@ -184,7 +184,7 @@ Miután az osztályozó betanult, tesztelheted egy új képpel, hogy osztályozz 1. Kövesd a [modell tesztelése szakaszt a Microsoft dokumentációjában](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model), hogy teszteld az osztályozódat. Használd azokat a tesztképeket, amelyeket korábban készítettél, ne azokat, amelyeket a tanításhoz használtál. - ![Egy éretlen banán, amelyet 98,9%-os valószínűséggel éretlennek, és 1,1%-os valószínűséggel érettnek osztályozott](../../../../../translated_images/hu/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Egy éretlen banán, amelyet 98,9%-os valószínűséggel éretlennek, és 1,1%-os valószínűséggel érettnek osztályozott](../../../../../translated_images/hu/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Próbáld ki az összes tesztképet, amelyhez hozzáférsz, és figyeld meg a valószínűségeket. diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/README.md index ae10a3c79..3ea3fdb99 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Ellenőrizd a gyümölcs minőségét egy IoT eszközzel -![Egy vázlatos áttekintés erről a leckéről](../../../../../translated_images/hu/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Egy vázlatos áttekintés erről a leckéről](../../../../../translated_images/hu/lesson-16.215daf18b00631fb.webp) > Vázlat: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -26,7 +26,7 @@ Ebben a leckében a következőket tárgyaljuk: A kamerás szenzorok, ahogy a nevük is sugallja, olyan kamerák, amelyeket csatlakoztathatsz az IoT eszközödhöz. Ezek képesek állóképeket készíteni vagy folyamatos videót rögzíteni. Néhányuk nyers képadatokat ad vissza, míg mások tömörítik az adatokat egy képformátumba, például JPEG vagy PNG fájlba. Az IoT eszközökkel kompatibilis kamerák általában kisebbek és alacsonyabb felbontásúak, mint amit megszokhattál, de léteznek olyan nagy felbontású kamerák is, amelyek vetekednek a csúcskategóriás telefonokkal. Különféle cserélhető lencséket, többkamerás rendszereket, infravörös hőkamerákat vagy UV kamerákat is beszerezhetsz. -![A fény egy jelenetből áthalad egy lencsén, és a CMOS szenzorra fókuszálódik](../../../../../translated_images/hu/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![A fény egy jelenetből áthalad egy lencsén, és a CMOS szenzorra fókuszálódik](../../../../../translated_images/hu/cmos-sensor.75f9cd74decb1371.webp) A legtöbb kamerás szenzor képszenzorokat használ, ahol minden pixel egy fotodióda. Egy lencse fókuszálja a képet a képszenzorra, és több ezer vagy millió fotodióda érzékeli a rájuk eső fényt, majd ezt pixeladatként rögzíti. @@ -74,7 +74,7 @@ Az iterációkat a Custom Vision portálon lehet publikálni. 1. Kattints az iteráció **Publikálás** gombjára. - ![A publikálás gomb](../../../../../translated_images/hu/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![A publikálás gomb](../../../../../translated_images/hu/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. A *Modell publikálása* párbeszédablakban állítsd be a *Predikciós erőforrást* a `fruit-quality-detector-prediction` erőforrásra, amelyet az előző leckében hoztál létre. Hagyd meg a nevet `Iteration2`-ként, majd kattints a **Publikálás** gombra. @@ -88,7 +88,7 @@ Az iterációkat a Custom Vision portálon lehet publikálni. Másold ki a *Predikciós kulcs* értékét is. Ez egy biztonsági kulcs, amelyet meg kell adnod, amikor meghívod a modellt. Csak azok az alkalmazások használhatják a modellt, amelyek megadják ezt a kulcsot, minden más alkalmazás elutasításra kerül. - ![A predikciós API párbeszédablak, amely az URL-t és a kulcsot mutatja](../../../../../translated_images/hu/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![A predikciós API párbeszédablak, amely az URL-t és a kulcsot mutatja](../../../../../translated_images/hu/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Amikor egy új iterációt publikálnak, annak más neve lesz. Hogyan gondolod, hogy lehetne megváltoztatni az iterációt, amelyet egy IoT eszköz használ? @@ -109,7 +109,7 @@ Előfordulhat, hogy az IoT eszközhöz csatlakoztatott kamerával készített k Ahhoz, hogy a képosztályozó a legjobb eredményeket nyújtsa, olyan képekkel kell tanítani a modellt, amelyek a lehető legjobban hasonlítanak a predikciókhoz használt képekre. Ha például a telefonod kamerájával készítettél képeket a tanításhoz, a képminőség, az élesség és a színek eltérhetnek az IoT eszközhöz csatlakoztatott kamera által készített képektől. -![2 banán képe, az egyik alacsony felbontású és rossz megvilágítású IoT eszközről, a másik magas felbontású és jó megvilágítású telefonról](../../../../../translated_images/hu/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 banán képe, az egyik alacsony felbontású és rossz megvilágítású IoT eszközről, a másik magas felbontású és jó megvilágítású telefonról](../../../../../translated_images/hu/banana-picture-compare.174df164dc326a42.webp) A fenti képen a bal oldali banánképet egy Raspberry Pi kamerával készítették, a jobb oldalit pedig ugyanarról a banánról, ugyanazon a helyen egy iPhone-nal. Jól látható a minőségbeli különbség – az iPhone képe élesebb, élénkebb színekkel és nagyobb kontraszttal. diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index d8889e350..0c118304a 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ A kamerát egy szalagkábel segítségével lehet csatlakoztatni a Raspberry Pi- ### Feladat - a kamera csatlakoztatása -![Egy Raspberry Pi kamera](../../../../../translated_images/hu/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Egy Raspberry Pi kamera](../../../../../translated_images/hu/pi-camera-module.4278753c31bd6e75.webp) 1. Kapcsolja ki a Pi-t. @@ -24,17 +24,17 @@ A kamerát egy szalagkábel segítségével lehet csatlakoztatni a Raspberry Pi- Az animáció, amely bemutatja, hogyan kell kinyitni a klipet és behelyezni a kábelt, megtalálható a [Raspberry Pi Getting Started with the Camera module dokumentációban](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![A szalagkábel behelyezve a kamera modulba](../../../../../translated_images/hu/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![A szalagkábel behelyezve a kamera modulba](../../../../../translated_images/hu/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Távolítsa el a Grove Base Hat-et a Pi-ről. 1. Vezesse át a szalagkábelt a Grove Base Hat kamera nyílásán. Ügyeljen arra, hogy a kábel kék oldala az **A0**, **A1** stb. analóg portok felé nézzen. - ![A szalagkábel áthalad a Grove Base Hat-en](../../../../../translated_images/hu/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![A szalagkábel áthalad a Grove Base Hat-en](../../../../../translated_images/hu/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Helyezze be a szalagkábelt a Pi kamera portjába. Ismét húzza fel a fekete műanyag klipet, helyezze be a kábelt, majd nyomja vissza a klipet. A kábel kék oldala az USB és ethernet portok felé nézzen. - ![A szalagkábel csatlakoztatva a Pi kamera foglalatához](../../../../../translated_images/hu/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![A szalagkábel csatlakoztatva a Pi kamera foglalatához](../../../../../translated_images/hu/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Szerelje vissza a Grove Base Hat-et. @@ -101,7 +101,7 @@ Programozza az eszközt. A `camera.rotation = 0` sor beállítja a kép forgatását. A szalagkábel a kamera aljába csatlakozik, de ha a kamerát elforgatta, hogy könnyebben ráirányítsa a kívánt tárgyra, akkor ezt a sort a forgatás szögének megfelelően módosíthatja. - ![A kamera lefelé lóg egy üdítős doboz fölött](../../../../../translated_images/hu/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![A kamera lefelé lóg egy üdítős doboz fölött](../../../../../translated_images/hu/pi-camera-upside-down.5376961ba3145988.webp) Például, ha a szalagkábelt úgy helyezi el, hogy a kamera tetején legyen, állítsa a forgatást 180 fokra: diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index ff6bf1821..f5a9c91eb 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ A Custom Vision szolgáltatás rendelkezik egy Python SDK-val, amelyet képek os Látni fogod a készített képet, és ezeket az értékeket a **Predictions** fülön a Custom Vision-ben. - ![Egy banán a Custom Vision-ben, érettként 56,8%-ra, éretlenként 43,1%-ra becsülve](../../../../../translated_images/hu/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Egy banán a Custom Vision-ben, érettként 56,8%-ra, éretlenként 43,1%-ra becsülve](../../../../../translated_images/hu/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Ezt a kódot megtalálod a [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) vagy [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) mappában. diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 80cc562e6..339b882bd 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Adja hozzá a kamerát a CounterFit alkalmazáshoz. 1. Válassza ki az **Add** gombot a kamera létrehozásához. - ![A kamera beállításai](../../../../../translated_images/hu/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![A kamera beállításai](../../../../../translated_images/hu/counterfit-create-camera.a5de97f59c0bd3cb.webp) A kamera létrejön, és megjelenik az érzékelők listájában. - ![A létrehozott kamera](../../../../../translated_images/hu/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![A létrehozott kamera](../../../../../translated_images/hu/counterfit-camera.001ec52194c8ee5d.webp) ## Kamera programozása @@ -103,7 +103,7 @@ Programozza az eszközt. 1. Állítsa be a képet, amelyet a CounterFit kamerája rögzíteni fog. Beállíthatja a *Source*-t *File*-ra, majd feltölthet egy képfájlt, vagy beállíthatja a *Source*-t *WebCam*-ra, és a képek a webkameráról lesznek rögzítve. Győződjön meg róla, hogy a **Set** gombot kiválasztja, miután kiválasztott egy képet vagy a webkamerát. - ![CounterFit fájllal beállítva képforrásként, és webkamerával, amely egy banánt tartó személyt mutat a webkamera előnézetében](../../../../../translated_images/hu/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit fájllal beállítva képforrásként, és webkamerával, amely egy banánt tartó személyt mutat a webkamera előnézetében](../../../../../translated_images/hu/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Egy kép rögzítésre kerül, és `image.jpg` néven mentésre kerül az aktuális mappába. Ezt a fájlt látni fogja a VS Code felfedezőjében. Válassza ki a fájlt a kép megtekintéséhez. Ha forgatásra van szükség, frissítse a `camera.rotation = 0` sort szükség szerint, és készítsen egy újabb képet. diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index de0e946cf..5322ed628 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ Az ArduCam nem rendelkezik Grove csatlakozóval, helyette az SPI és I2C buszokh Csatlakoztasd a kamerát. -![Egy ArduCam érzékelő](../../../../../translated_images/hu/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Egy ArduCam érzékelő](../../../../../translated_images/hu/arducam.20e4e4cbb2682965.webp) 1. Az ArduCam alján található tüskéket a Wio Terminal GPIO tüskéihez kell csatlakoztatni. Hogy könnyebben megtaláld a megfelelő tüskéket, helyezd fel a Wio Terminalhoz mellékelt GPIO tüske matricát a tüskék köré: @@ -35,7 +35,7 @@ Csatlakoztasd a kamerát. | SDA | 3 (I2C1_SDA) | I2C Soros adat | | SCL | 5 (I2C1_SCL) | I2C Soros órajel | - ![A Wio Terminal jumper kábelekkel csatlakoztatva az ArduCamhoz](../../../../../translated_images/hu/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![A Wio Terminal jumper kábelekkel csatlakoztatva az ArduCamhoz](../../../../../translated_images/hu/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) A GND és VCC csatlakozások 5V tápfeszültséget biztosítanak az ArduCam számára. Ez 5V-on működik, ellentétben a Grove érzékelőkkel, amelyek 3V-on működnek. Ez az energia közvetlenül az USB-C csatlakozóról érkezik, amely a készüléket táplálja. @@ -456,7 +456,7 @@ A Wio Terminal csak legfeljebb 16GB méretű microSD kártyákat támogat. Ha na 1. Kapcsold ki a microSD kártyát, és távolítsd el úgy, hogy kissé benyomod, majd elengeded, és ki fog ugrani. Ehhez lehet, hogy egy vékony eszközt kell használnod. Csatlakoztasd a microSD kártyát a számítógépedhez, hogy megnézd a képeket. - ![Egy banánról készült kép az ArduCam segítségével](../../../../../translated_images/hu/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Egy banánról készült kép az ArduCam segítségével](../../../../../translated_images/hu/banana-arducam.be1b32d4267a8194.webp) 💁 Előfordulhat, hogy néhány kép szükséges ahhoz, hogy a kamera fehéregyensúlya beálljon. Ezt az elkészített képek színe alapján fogja észrevenni, az első néhány kép színe eltérő lehet. Ezt mindig megkerülheti úgy, hogy módosítja a kódot, hogy a `setup` függvényben néhány képet készítsen, amelyeket figyelmen kívül hagy. diff --git a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index abd1b66d6..98b93e325 100644 --- a/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/hu/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Ezek a tanúsítványok nyilvános kulcsokat tartalmaznak, és nem szükséges Látni fogod a készített képet, és ezeket az értékeket a Custom Vision **Predictions** fülén. - ![Egy banán a Custom Vision-ben, érettként 56.8%-os, éretlenként 43.1%-os előrejelzéssel](../../../../../translated_images/hu/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Egy banán a Custom Vision-ben, érettként 56.8%-os, éretlenként 43.1%-os előrejelzéssel](../../../../../translated_images/hu/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Ezt a kódot megtalálhatod a [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) mappában. diff --git a/translations/hu/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/hu/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index 406660e81..45af42939 100644 --- a/translations/hu/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/hu/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Futtasd a gyümölcsdetektorodat az edge-en -![Egy vázlatos áttekintés erről a leckéről](../../../../../translated_images/hu/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Egy vázlatos áttekintés erről a leckéről](../../../../../translated_images/hu/lesson-17.bc333c3c35ba8e42.webp) > Vázlat: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -33,11 +33,11 @@ Ebben a leckében a következőket tárgyaljuk: Az edge computing azt jelenti, hogy az IoT-adatokat feldolgozó számítógépek a lehető legközelebb helyezkednek el az adatok keletkezési helyéhez. Ahelyett, hogy ez a feldolgozás a felhőben történne, az a felhő szélére kerül – azaz a belső hálózatodra. -![Egy architektúra diagram, amely a felhőben lévő internetes szolgáltatásokat és a helyi hálózaton lévő IoT-eszközöket mutatja](../../../../../translated_images/hu/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Egy architektúra diagram, amely a felhőben lévő internetes szolgáltatásokat és a helyi hálózaton lévő IoT-eszközöket mutatja](../../../../../translated_images/hu/cloud-without-edge.b4da641f6022c95e.webp) Az eddigi leckékben az eszközök adatokat gyűjtöttek és küldtek a felhőbe elemzésre, ahol szerver nélküli funkciók vagy AI modellek futottak. -![Egy architektúra diagram, amely a helyi hálózaton lévő IoT-eszközöket mutatja, amelyek edge-eszközökhöz csatlakoznak, és ezek az edge-eszközök a felhőhöz kapcsolódnak](../../../../../translated_images/hu/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Egy architektúra diagram, amely a helyi hálózaton lévő IoT-eszközöket mutatja, amelyek edge-eszközökhöz csatlakoznak, és ezek az edge-eszközök a felhőhöz kapcsolódnak](../../../../../translated_images/hu/cloud-with-edge.1e26462c62c126fe.webp) Az edge computing során a felhőszolgáltatások egy részét áthelyezik a felhőről az IoT-eszközökkel azonos hálózaton futó számítógépekre, és csak akkor kommunikálnak a felhővel, ha szükséges. Például AI modelleket futtathatsz edge-eszközökön, hogy elemezd a gyümölcsök érettségét, és csak az elemzéseket küldheted vissza a felhőbe, például az érett és éretlen gyümölcsök számát. @@ -85,7 +85,7 @@ Az IoT-rendszerek esetében gyakran a felhő és az edge computing keverékére ## Azure IoT Edge -![Az Azure IoT Edge logója](../../../../../translated_images/hu/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Az Azure IoT Edge logója](../../../../../translated_images/hu/azure-iot-edge-logo.c1c076749b5cba2e.webp) Az Azure IoT Edge egy olyan szolgáltatás, amely segíthet a munkaterheléseket a felhőből az edge-re helyezni. Egy eszközt edge-eszközként állítasz be, és a felhőből kódot telepíthetsz erre az edge-eszközre. Ez lehetővé teszi a felhő és az edge képességeinek keverését. @@ -99,7 +99,7 @@ Az IoT Edge be van építve az IoT Hubba, így az edge-eszközöket ugyanazzal a Az IoT Edge kódot futtat *konténerekből* – önálló alkalmazásokból, amelyek elkülönítve futnak a számítógéped többi alkalmazásától. Amikor egy konténert futtatsz, az olyan, mintha egy külön számítógép futna a számítógépeden belül, saját szoftverrel, szolgáltatásokkal és alkalmazásokkal. A legtöbb esetben a konténerek nem férnek hozzá semmihez a számítógépeden, hacsak nem osztasz meg velük például egy mappát. A konténer ezután nyitott porton keresztül nyújt szolgáltatásokat, amelyekhez csatlakozhatsz, vagy amelyeket megoszthatsz a hálózatoddal. -![Egy webkérés átirányítása egy konténerbe](../../../../../translated_images/hu/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Egy webkérés átirányítása egy konténerbe](../../../../../translated_images/hu/container-web-browser.4ee81dd4f0d8838c.webp) Például lehet egy konténered, amely egy weboldalt futtat a 80-as porton, az alapértelmezett HTTP-porton, és ezt a számítógépedről is elérhetővé teheted a 80-as porton. @@ -185,11 +185,11 @@ Miután a modell betanításra került, konténerként kell exportálni. ## Készítsd elő a konténert a telepítéshez -![A konténerek először létrehozásra kerülnek, majd feltöltésre egy konténer regisztrációs helyre, ahonnan az IoT Edge telepíti őket az edge eszközre](../../../../../translated_images/hu/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![A konténerek először létrehozásra kerülnek, majd feltöltésre egy konténer regisztrációs helyre, ahonnan az IoT Edge telepíti őket az edge eszközre](../../../../../translated_images/hu/container-edge-flow.c246050dd60ceefd.webp) Miután letöltötted a modelledet, konténerként kell felépíteni, majd feltölteni egy konténer regisztrációs helyre - egy online helyre, ahol tárolhatod a konténereket. Az IoT Edge ezután letölti a konténert a regisztrációs helyről, és telepíti az eszközödre. -![Az Azure Container Registry logója](../../../../../translated_images/hu/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Az Azure Container Registry logója](../../../../../translated_images/hu/azure-container-registry-logo.09494206991d4b29.webp) A konténer regisztrációs hely, amelyet ebben a leckében használni fogsz, az Azure Container Registry. Ez nem ingyenes szolgáltatás, ezért pénzt takaríthatsz meg, ha [kitakarítod a projektedet](../../../clean-up.md), miután befejezted. diff --git a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index b7b2bf8c2..98d5294f1 100644 --- a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Gyümölcsminőség-ellenőrzés indítása egy érzékelő segítségével -![A leckéről készült vázlatos áttekintés](../../../../../translated_images/hu/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![A leckéről készült vázlatos áttekintés](../../../../../translated_images/hu/lesson-18.92c32ed1d354caa5.webp) > Vázlat készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -39,7 +39,7 @@ Az IoT-alkalmazások leírhatók úgy, mint *eszközök* (dolgok), amelyek adato ### Referencia IoT-architektúra -![Egy referencia IoT-architektúra](../../../../../translated_images/hu/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Egy referencia IoT-architektúra](../../../../../translated_images/hu/iot-reference-architecture.2278b98b55c6d4e8.webp) A fenti diagram egy referencia IoT-architektúrát mutat. @@ -49,7 +49,7 @@ A fenti diagram egy referencia IoT-architektúrát mutat. * **Információk**: Szerver nélküli alkalmazásokból vagy tárolt adatok elemzéséből származnak. * **Cselekvések**: Parancsok küldése eszközöknek, vagy adatok vizualizálása, amely lehetővé teszi az emberek számára a döntéshozatalt. -![Egy referencia IoT-architektúra](../../../../../translated_images/hu/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Egy referencia IoT-architektúra](../../../../../translated_images/hu/iot-reference-architecture-azure.0b8d2161af924cb1.webp) A fenti diagram az eddig tárgyalt komponenseket és szolgáltatásokat mutatja, valamint azt, hogyan kapcsolódnak össze egy referencia IoT-architektúrában. @@ -89,7 +89,7 @@ Olyan rendszert kell építened, amely érzékeli a gyümölcs érkezését a sz ### Az alkalmazás prototípusának elkészítése -![Egy referencia IoT-architektúra a gyümölcsminőség-ellenőrzéshez](../../../../../translated_images/hu/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Egy referencia IoT-architektúra a gyümölcsminőség-ellenőrzéshez](../../../../../translated_images/hu/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) A fenti diagram egy referencia architektúrát mutat be ehhez a prototípus alkalmazáshoz. @@ -124,7 +124,7 @@ Dolgozd végig a megfelelő útmutatót, hogy közelségérzékelőt használj t A prototípus gyümölcsérzékelő több komponensből áll, amelyek egymással kommunikálnak. -![A komponensek kommunikációja egymással](../../../../../translated_images/hu/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![A komponensek kommunikációja egymással](../../../../../translated_images/hu/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Egy közelségérzékelő, amely méri a gyümölcs távolságát, és elküldi ezt az IoT Hubnak * A kamera vezérlésére szolgáló parancs az IoT Hubból érkezik a kamera eszközéhez diff --git a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 7d27b3f05..101aabef8 100644 --- a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ A Grove Time of Flight érzékelő csatlakoztatható a Raspberry Pi-hez. Csatlakoztasd a Time of Flight érzékelőt. -![Egy Grove Time of Flight érzékelő](../../../../../translated_images/hu/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Egy Grove Time of Flight érzékelő](../../../../../translated_images/hu/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Helyezd be a Grove kábel egyik végét a Time of Flight érzékelő aljzatába. Csak egyféleképpen illeszkedik. diff --git a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 2d2b6f4fd..51cfe2b01 100644 --- a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Adja hozzá a távolságérzékelőt a CounterFit alkalmazáshoz. 1. Válassza ki az **Add** gombot a távolságérzékelő létrehozásához. - ![A távolságérzékelő beállításai](../../../../../translated_images/hu/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![A távolságérzékelő beállításai](../../../../../translated_images/hu/counterfit-create-distance-sensor.967c9fb98f27888d.webp) A távolságérzékelő létrejön, és megjelenik az érzékelők listájában. - ![A létrehozott távolságérzékelő](../../../../../translated_images/hu/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![A létrehozott távolságérzékelő](../../../../../translated_images/hu/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Távolságérzékelő programozása diff --git a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 576c2f095..084347578 100644 --- a/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/hu/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ A Grove Time of Flight érzékelő csatlakoztatható a Wio Terminalhoz. Csatlakoztasd a Time of Flight érzékelőt. -![Egy Grove Time of Flight érzékelő](../../../../../translated_images/hu/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Egy Grove Time of Flight érzékelő](../../../../../translated_images/hu/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Dugj be egy Grove kábelt az érzékelő csatlakozójába. A kábel csak egy irányban illeszkedik. diff --git a/translations/hu/5-retail/lessons/1-train-stock-detector/README.md b/translations/hu/5-retail/lessons/1-train-stock-detector/README.md index ac8efa3cf..ff00e840c 100644 --- a/translations/hu/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/hu/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Készíts egy készletérzékelőt -![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![A lecke vázlatos áttekintése](../../../../../translated_images/hu/lesson-19.cf6973cecadf080c.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -36,7 +36,7 @@ Az objektumfelismerés mesterséges intelligencia segítségével érzékeli az A képosztályozás az egész kép osztályozásáról szól - milyen valószínűséggel felel meg az egész kép az egyes címkéknek. Az eredmény egy valószínűségi lista minden címkére, amelyet a modell betanításához használtak. -![Képosztályozás kesudióval és paradicsompürével](../../../../../translated_images/hu/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Képosztályozás kesudióval és paradicsompürével](../../../../../translated_images/hu/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) A fenti példában két képet osztályoznak egy olyan modellel, amelyet kesudiótartók és paradicsompüré konzervdobozok osztályozására tanítottak be. Az első kép egy kesudiótartó, és az osztályozó két eredményt ad: @@ -60,7 +60,7 @@ Amikor ezután előrejelzéseket készítesz képekkel, nem egy címkékből és > 🎓 *Határoló dobozok* azok a dobozok, amelyek az objektum körül helyezkednek el. -![Objektumfelismerés kesudióval és paradicsompürével](../../../../../translated_images/hu/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Objektumfelismerés kesudióval és paradicsompürével](../../../../../translated_images/hu/object-detector-cashews-tomato.1af7c26686b4db0e.webp) A fenti képen van egy kesudiótartó és három paradicsompüré konzervdoboz. Az objektumérzékelő felismerte a kesudiót, és visszaadta a határoló dobozt, amely tartalmazza a kesudiót, valamint a százalékos valószínűséget, hogy a határoló doboz tartalmazza az objektumot, ebben az esetben 97.6%. Az objektumérzékelő három paradicsompüré konzervdobozt is érzékelt, és három különálló határoló dobozt biztosít, egyet-egyet az érzékelt dobozokhoz, mindegyikhez százalékos valószínűséggel, hogy a határoló doboz paradicsompüré konzervdobozt tartalmaz. @@ -111,7 +111,7 @@ Az objektumérzékelőt a Custom Vision segítségével lehet betanítani, hason Amikor létrehozod a projektet, győződj meg róla, hogy a korábban létrehozott `stock-detector-training` erőforrást használod. Használd az *Object Detection* projekt típust, és a *Products on Shelves* domaint. - ![A Custom Vision projekt beállításai a névvel, leírás nélkül, az erőforrással, a projekt típussal és a domainnel](../../../../../translated_images/hu/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![A Custom Vision projekt beállításai a névvel, leírás nélkül, az erőforrással, a projekt típussal és a domainnel](../../../../../translated_images/hu/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ A polcokon lévő termékek domainje kifejezetten a bolti polcokon lévő készletek érzékelésére van optimalizálva. Olvass többet a különböző domainekről a [Microsoft Docs Select a domain dokumentációjában](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection). @@ -133,11 +133,11 @@ Ahhoz, hogy betanítsd a modelledet, szükséged lesz egy képkészletre, amely 1. Kövesd a [Képek feltöltése és címkézése szakaszt a Microsoft dokumentációjában található Objektumérzékelő gyorsindításban](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images), hogy feltöltsd a tréningképeidet. Hozz létre releváns címkéket az érzékelni kívánt objektumtípusok alapján. - ![A feltöltési párbeszédablakok érett és éretlen banán képeinek feltöltésével](../../../../../translated_images/hu/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![A feltöltési párbeszédablakok érett és éretlen banán képeinek feltöltésével](../../../../../translated_images/hu/image-upload-object-detector.77c7892c3093cb59.webp) Amikor határoló dobozokat rajzolsz az objektumokhoz, tartsd őket szorosan az objektum körül. Időbe telhet az összes kép körvonalazása, de az eszköz érzékeli, hogy szerinte hol vannak a határoló dobozok, ami gyorsabbá teszi a folyamatot. - ![Paradicsompüré címkézése](../../../../../translated_images/hu/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Paradicsompüré címkézése](../../../../../translated_images/hu/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ha több mint 15 képed van minden objektumhoz, akkor 15 után betaníthatod, majd használhatod a **Suggested tags** funkciót. Ez a betanított modellt használja az objektumok érzékelésére a címkézetlen képen. Ezután megerősítheted az érzékelt objektumokat, vagy elutasíthatod és újrarajzolhatod a határoló dobozokat. Ez rengeteg időt takaríthat meg. diff --git a/translations/hu/5-retail/lessons/2-check-stock-device/README.md b/translations/hu/5-retail/lessons/2-check-stock-device/README.md index 47666b751..8cdc1b858 100644 --- a/translations/hu/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/hu/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Készletellenőrzés egy IoT eszközzel -![Egy vázlatos ábra a leckéről](../../../../../translated_images/hu/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Egy vázlatos ábra a leckéről](../../../../../translated_images/hu/lesson-20.0211df9551a8abb3.webp) > Vázlat: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -62,7 +62,7 @@ Az iterációkat a Custom Vision portálról lehet közzétenni. 1. Kattints az iteráció **Publish** gombjára. - ![A közzététel gomb](../../../../../translated_images/hu/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![A közzététel gomb](../../../../../translated_images/hu/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. A *Publish Model* párbeszédablakban állítsd be a *Prediction resource*-t az előző leckében létrehozott `stock-detector-prediction` erőforrásra. Hagyd meg a nevet `Iteration2`-ként, majd kattints a **Publish** gombra. @@ -76,7 +76,7 @@ Az iterációkat a Custom Vision portálról lehet közzétenni. Másold ki a *Prediction-Key* értéket is. Ez egy biztonsági kulcs, amelyet meg kell adnod a modell hívásakor. Csak azok az alkalmazások használhatják a modellt, amelyek megadják ezt a kulcsot, minden más alkalmazást elutasítanak. - ![Az előrejelzési API párbeszédablak az URL-lel és a kulccsal](../../../../../translated_images/hu/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Az előrejelzési API párbeszédablak az URL-lel és a kulccsal](../../../../../translated_images/hu/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Amikor egy új iterációt közzétesznek, annak más neve lesz. Hogyan gondolod, hogy megváltoztatnád az IoT eszköz által használt iterációt? @@ -95,7 +95,7 @@ Amikor használod az objektumfelismerőt, nemcsak az észlelt objektumokat kapod A **Predictions** fülön az előrejelzés eredményei tartalmazzák a határoló dobozokat az előrejelzésre küldött képen. -![4 paradicsompüré konzerv egy polcon, az előrejelzések 35.8%, 33.5%, 25.7% és 16.6% valószínűséggel](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![4 paradicsompüré konzerv egy polcon, az előrejelzések 35.8%, 33.5%, 25.7% és 16.6% valószínűséggel](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca341.webp) A fenti képen 4 paradicsompüré konzervet észleltek. Az eredményekben egy piros négyzet van ráhelyezve minden észlelt objektumra, jelezve a kép határoló dobozát. @@ -103,7 +103,7 @@ A fenti képen 4 paradicsompüré konzervet észleltek. Az eredményekben egy pi A határoló dobozokat 4 érték határozza meg: top, left, height és width. Ezek az értékek 0-1 skálán vannak, az értékek a kép méretének százalékos arányát képviselik. Az origó (a 0,0 pozíció) a kép bal felső sarka, így a top érték a távolság a tetejétől, az alsó érték pedig a top plusz a height. -![Egy határoló doboz egy paradicsompüré konzerv körül](../../../../../translated_images/hu/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Egy határoló doboz egy paradicsompüré konzerv körül](../../../../../translated_images/hu/bounding-box.1420a7ea0d3d15f7.webp) A fenti kép 600 pixel széles és 800 pixel magas. A határoló doboz 320 pixellel lejjebb kezdődik, ami 0.4-es top koordinátát ad (800 x 0.4 = 320). A bal oldaltól a határoló doboz 240 pixellel kezdődik, ami 0.4-es left koordinátát ad (600 x 0.4 = 240). A határoló doboz magassága 240 pixel, ami 0.3-as height értéket ad (800 x 0.3 = 240). A határoló doboz szélessége 120 pixel, ami 0.2-es width értéket ad (600 x 0.2 = 120). @@ -118,7 +118,7 @@ A 0-1 közötti százalékos értékek használata azt jelenti, hogy független A határoló dobozokat a valószínűségekkel kombinálva értékelheted az észlelés pontosságát. Például egy objektumfelismerő több, egymást átfedő objektumot is észlelhet, például egy konzervet egy másik belsejében. A kódod megvizsgálhatja a határoló dobozokat, megértheti, hogy ez lehetetlen, és figyelmen kívül hagyhatja azokat az objektumokat, amelyek jelentős átfedésben vannak más objektumokkal. -![Két átfedő határoló doboz egy paradicsompüré konzerv körül](../../../../../translated_images/hu/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Két átfedő határoló doboz egy paradicsompüré konzerv körül](../../../../../translated_images/hu/overlap-object-detection.d431e03cae75072a.webp) A fenti példában az egyik határoló doboz egy paradicsompüré konzervet jelez 78.3%-os valószínűséggel. Egy másik határoló doboz valamivel kisebb, és az első határoló dobozon belül van, 64.3%-os valószínűséggel. A kódod ellenőrizheti a határoló dobozokat, láthatja, hogy teljesen átfedik egymást, és figyelmen kívül hagyhatja az alacsonyabb valószínűséget, mivel lehetetlen, hogy egy konzerv egy másik belsejében legyen. diff --git a/translations/hu/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/hu/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 4dda2413e..f8834c07a 100644 --- a/translations/hu/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/hu/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ A képek osztályozására használt kód nagyon hasonló az objektumok észlel Meg fogod tudni nézni a készített képet, és ezeket az értékeket a **Predictions** fülön a Custom Vision-ben. - ![4 paradicsompüré konzerv egy polcon, az észlelések előrejelzéseivel: 35.8%, 33.5%, 25.7% és 16.6%](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 paradicsompüré konzerv egy polcon, az észlelések előrejelzéseivel: 35.8%, 33.5%, 25.7% és 16.6%](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Ezt a kódot megtalálod a [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) vagy a [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) mappában. diff --git a/translations/hu/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/hu/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index c02ecafe1..d5fc27346 100644 --- a/translations/hu/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/hu/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ A képek osztályozására használt kód nagyon hasonló az objektumok detektá Látni fogod a készített képet, és ezeket az értékeket a **Predictions** fülön a Custom Vision-ben. - ![4 paradicsompüré konzerv egy polcon, a 4 detektálás predikcióival: 35.8%, 33.5%, 25.7% és 16.6%](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 paradicsompüré konzerv egy polcon, a 4 detektálás predikcióival: 35.8%, 33.5%, 25.7% és 16.6%](../../../../../translated_images/hu/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Ezt a kódot megtalálod a [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) mappában. diff --git a/translations/hu/6-consumer/lessons/1-speech-recognition/README.md b/translations/hu/6-consumer/lessons/1-speech-recognition/README.md index 0ad1bfb82..0a753c3f2 100644 --- a/translations/hu/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/hu/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Beszédfelismerés IoT eszközzel -![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-21.e34de51354d6606f.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -51,7 +51,7 @@ A mikrofonok különböző típusokban érhetők el: A dinamikus mikrofonoknak nincs szükségük áramra a működéshez, az elektromos jelet teljes egészében a mikrofon hozza létre. - ![Patti Smith énekel egy Shure SM58 (dinamikus kardioid típusú) mikrofonba](../../../../../translated_images/hu/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith énekel egy Shure SM58 (dinamikus kardioid típusú) mikrofonba](../../../../../translated_images/hu/dynamic-mic.8babac890a2d80df.webp) * Szalag - A szalagos mikrofonok hasonlóak a dinamikus mikrofonokhoz, de membrán helyett fém szalagot használnak. Ez a szalag egy mágneses mezőben mozogva elektromos áramot generál. A dinamikus mikrofonokhoz hasonlóan a szalagos mikrofonoknak sincs szükségük áramra a működéshez. @@ -59,11 +59,11 @@ A mikrofonok különböző típusokban érhetők el: * Kondenzátor - A kondenzátoros mikrofonoknak vékony fém membránjuk és rögzített fém hátlapjuk van. Mindkettőre elektromosságot alkalmaznak, és ahogy a membrán rezeg, a lemezek közötti statikus töltés változik, jelet generálva. A kondenzátoros mikrofonoknak áramra van szükségük a működéshez – ezt *fantomtáplálásnak* nevezik. - ![C451B kis membrános kondenzátoros mikrofon az AKG Acoustics-tól](../../../../../translated_images/hu/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![C451B kis membrános kondenzátoros mikrofon az AKG Acoustics-tól](../../../../../translated_images/hu/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - A mikroelektromechanikai rendszerek mikrofonjai, vagy MEMS, egy chipen található mikrofonok. Nyomásérzékeny membránjuk van, amelyet szilícium chipre véstek, és hasonlóan működnek, mint a kondenzátoros mikrofonok. Ezek a mikrofonok rendkívül kicsik lehetnek, és integrálhatók az áramkörökbe. - ![Egy MEMS mikrofon egy áramköri lapon](../../../../../translated_images/hu/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![Egy MEMS mikrofon egy áramköri lapon](../../../../../translated_images/hu/mems-microphone.80574019e1f5e4d9.webp) A fenti képen a **LEFT** feliratú chip egy MEMS mikrofon, amelynek apró membránja kevesebb mint egy milliméter széles. @@ -159,7 +159,7 @@ Az ébresztőszó modell betanításának és használatának bonyolultságának ## Beszéd szöveggé alakítása -![Beszéd szolgáltatások logója](../../../../../translated_images/hu/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Beszéd szolgáltatások logója](../../../../../translated_images/hu/azure-speech-logo.a1f08c4befb0159f.webp) Csakúgy, mint a képosztályozásnál egy korábbi projektben, vannak előre elkészített AI szolgáltatások, amelyek képesek a beszédet hangfájlként szöveggé alakítani. Az egyik ilyen szolgáltatás a Speech Service, amely a Cognitive Services része, előre elkészített AI szolgáltatások, amelyeket az alkalmazásaidban használhatsz. diff --git a/translations/hu/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/hu/6-consumer/lessons/1-speech-recognition/pi-audio.md index aae30c509..379769943 100644 --- a/translations/hu/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/hu/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ A gomb csatlakoztatható a Grove alaplaphoz. #### Feladat - a gomb csatlakoztatása -![Egy Grove gomb](../../../../../translated_images/hu/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Egy Grove gomb](../../../../../translated_images/hu/grove-button.a70cfbb809a85636.webp) 1. Illeszd be a Grove kábel egyik végét a gombmodul aljzatába. Csak egyféleképpen illeszkedik. 1. Kapcsold ki a Raspberry Pi-t, majd csatlakoztasd a Grove kábel másik végét a **D5** jelzésű digitális aljzathoz a Grove alaplapon, amely a Pi-hez van csatlakoztatva. Ez az aljzat a második balról, a GPIO tüskék melletti aljzatsoron. -![A Grove gomb csatlakoztatva a D5 aljzathoz](../../../../../translated_images/hu/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![A Grove gomb csatlakoztatva a D5 aljzathoz](../../../../../translated_images/hu/pi-button.c7a1a4f55943341c.webp) ## Hang rögzítése diff --git a/translations/hu/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/hu/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 1b9e3a691..acc72a2e3 100644 --- a/translations/hu/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/hu/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ A mikrofont és a hangszórókat csatlakoztatni és konfigurálni kell. 1. Ha a ReSpeaker 2-Mics Pi HAT-et használod, eltávolíthatod a Grove alaplapot, majd helyére illesztheted a ReSpeaker HAT-et. - ![Egy Raspberry Pi ReSpeaker HAT-tel](../../../../../translated_images/hu/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Egy Raspberry Pi ReSpeaker HAT-tel](../../../../../translated_images/hu/pi-respeaker-hat.f00fabe7dd039a93.webp) Később szükséged lesz egy Grove gombra ebben a leckében, de ez a HAT már tartalmaz egy beépített gombot, így a Grove alaplap nem szükséges. diff --git a/translations/hu/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/hu/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 6e82c98b7..289cb8f2f 100644 --- a/translations/hu/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/hu/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ A beépített mikrofon analóg jelet rögzít, amelyet digitális jellé alakít ✅ Olvass többet a DMA-ról a [közvetlen memória-hozzáférés Wikipedia oldalán](https://wikipedia.org/wiki/Direct_memory_access). -![A mikrofonból érkező hang az ADC-n keresztül a DMAC-hoz jut. Ez egy pufferbe ír. Amikor ez a puffer megtelik, feldolgozásra kerül, és a DMAC egy második pufferbe ír](../../../../../translated_images/hu/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![A mikrofonból érkező hang az ADC-n keresztül a DMAC-hoz jut. Ez egy pufferbe ír. Amikor ez a puffer megtelik, feldolgozásra kerül, és a DMAC egy második pufferbe ír](../../../../../translated_images/hu/dmac-adc-buffers.4509aee49145c90b.webp) A DMAC képes hangot rögzíteni az ADC-től fix időközönként, például 16,000-szer másodpercenként 16KHz-es hang esetén. A rögzített adatokat egy előre lefoglalt memória pufferbe írja, és amikor ez megtelik, elérhetővé teszi a kódod számára feldolgozásra. A memória használata késleltetheti a hangrögzítést, de több puffert is beállíthatsz. A DMAC az 1-es pufferbe ír, majd amikor ez megtelik, értesíti a kódodat, hogy dolgozza fel az 1-es puffert, miközben a DMAC a 2-es pufferbe ír. Amikor a 2-es puffer megtelik, értesíti a kódodat, és visszatér az 1-es pufferbe íráshoz. Így, amíg minden puffert gyorsabban dolgozol fel, mint amennyi idő alatt megtelik, nem veszítesz adatot. diff --git a/translations/hu/6-consumer/lessons/2-language-understanding/README.md b/translations/hu/6-consumer/lessons/2-language-understanding/README.md index 3381af249..dd6cb1b8c 100644 --- a/translations/hu/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/hu/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Nyelv megértése -![A lecke áttekintése sketchnote formában](../../../../../translated_images/hu/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![A lecke áttekintése sketchnote formában](../../../../../translated_images/hu/lesson-22.6148ea28500d9e00.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -46,7 +46,7 @@ A nyelvmegértési modellek olyan AI modellek, amelyeket arra képeznek ki, hogy ## Nyelvmegértési modell létrehozása -![A LUIS logója](../../../../../translated_images/hu/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![A LUIS logója](../../../../../translated_images/hu/luis-logo.5cb4f3e88c020ee6.webp) Nyelvmegértési modelleket hozhatsz létre a LUIS segítségével, amely a Microsoft egyik nyelvmegértési szolgáltatása, és a Cognitive Services része. @@ -169,7 +169,7 @@ A LUIS portál használatára vonatkozó utasításokat megtalálod a [Quickstar 1. Ahogy minden példát megadsz, a LUIS elkezdi felismerni az entitásokat, és aláhúzza és címkézi azokat, amelyeket talál. - ![A példák, ahol a számok és időegységek alá vannak húzva a LUIS által](../../../../../translated_images/hu/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![A példák, ahol a számok és időegységek alá vannak húzva a LUIS által](../../../../../translated_images/hu/luis-intent-examples.25716580b2d2723c.webp) ### Feladat - a modell tanítása és tesztelése diff --git a/translations/hu/6-consumer/lessons/3-spoken-feedback/README.md b/translations/hu/6-consumer/lessons/3-spoken-feedback/README.md index 786254b7e..bf7a842b4 100644 --- a/translations/hu/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/hu/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Állíts be egy időzítőt és adj szóbeli visszajelzést -![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![A leckéről készült sketchnote áttekintése](../../../../../translated_images/hu/lesson-23.f38483e1d4df4828.webp) > Sketchnote készítette: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. diff --git a/translations/hu/6-consumer/lessons/4-multiple-language-support/README.md b/translations/hu/6-consumer/lessons/4-multiple-language-support/README.md index e7bee326d..2a815f9ee 100644 --- a/translations/hu/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/hu/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Többnyelvű támogatás -![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![A leckéről készült vázlatrajz](../../../../../translated_images/hu/lesson-24.4246968ed058510a.webp) > Vázlatrajz: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. @@ -74,7 +74,7 @@ Számos MI szolgáltatás érhető el, amelyeket alkalmazásaidból használhats ### Cognitive Services Beszédszolgáltatás -![A beszédszolgáltatás logója](../../../../../translated_images/hu/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![A beszédszolgáltatás logója](../../../../../translated_images/hu/azure-speech-logo.a1f08c4befb0159f.webp) Az elmúlt néhány leckében használt beszédszolgáltatás fordítási képességekkel is rendelkezik a beszédfelismeréshez. Amikor beszédet ismersz fel, nemcsak az adott nyelvű szöveget kérheted, hanem más nyelveken is. @@ -82,7 +82,7 @@ Az elmúlt néhány leckében használt beszédszolgáltatás fordítási képes ### Cognitive Services Fordító szolgáltatás -![A fordító szolgáltatás logója](../../../../../translated_images/hu/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![A fordító szolgáltatás logója](../../../../../translated_images/hu/azure-translator-logo.c6ed3a4a433edfd2.webp) A Fordító szolgáltatás egy dedikált fordítási szolgáltatás, amely szöveget tud fordítani egyik nyelvről egy vagy több célnyelvre. A fordításon kívül számos extra funkciót is támogat, például a trágárság maszkolását. Lehetővé teszi továbbá, hogy egy adott szó vagy mondat számára konkrét fordítást adj meg, hogy olyan kifejezésekkel dolgozz, amelyeket nem akarsz lefordítani, vagy amelyeknek van egy jól ismert fordítása. diff --git a/translations/hu/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/hu/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 06ba37fff..bd4250490 100644 --- a/translations/hu/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/hu/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ A beszédszolgáltatás REST API-ja nem támogatja a közvetlen fordítást, ehe > > Például, ha angolul tanítod be a LUIS-t, de franciát szeretnél használni felhasználói nyelvként, lefordíthatod az olyan mondatokat, mint például "állíts be egy 2 perc és 27 másodperces időzítőt" angolról franciára a Bing Translate segítségével, majd a **Hallgasd meg a fordítást** gombbal mondhatod el a fordítást a mikrofonodba. > - > ![A Hallgasd meg a fordítást gomb a Bing Translate-en](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![A Hallgasd meg a fordítást gomb a Bing Translate-en](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a9.webp) 1. Add hozzá a fordító API kulcsot a `speech_api_key` alá: diff --git a/translations/hu/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/hu/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 4f39297a3..31fcbc529 100644 --- a/translations/hu/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/hu/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ A beszédfelismerő szolgáltatás nemcsak a beszédet tudja szöveggé alakíta > > Például, ha angolul tanítod be a LUIS-t, de franciát szeretnél használni felhasználói nyelvként, lefordíthatod az olyan mondatokat, mint például "set a 2 minute and 27 second timer" angolról franciára a Bing Translate segítségével, majd a **Listen translation** gombbal mondhatod el a fordítást a mikrofonodba. > - > ![A Bing Translate hallgatási fordítás gombja](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![A Bing Translate hallgatási fordítás gombja](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a9.webp) 1. Cseréld le a `recognizer_config` és `recognizer` deklarációkat a következőre: diff --git a/translations/hu/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/hu/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index c7d6f4cfb..311ec859a 100644 --- a/translations/hu/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/hu/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ A beszédszolgáltatás REST API-ja nem támogatja a közvetlen fordítást, ehe > > Például, ha LUIS-t angolul tanítod be, de franciát szeretnél használni felhasználói nyelvként, lefordíthatod az olyan mondatokat, mint például "set a 2 minute and 27 second timer" angolról franciára a Bing Translate segítségével, majd a **Listen translation** gombbal kimondhatod a fordítást a mikrofonodba. > - > ![A Bing Translate hallgatás fordítás gombja](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![A Bing Translate hallgatás fordítás gombja](../../../../../translated_images/hu/bing-translate.348aa796d6efe2a9.webp) 1. Add hozzá a fordító API kulcsát és helyét a `SPEECH_LOCATION` alá: diff --git a/translations/hu/README.md b/translations/hu/README.md index 3a966ae4e..8d3503813 100644 --- a/translations/hu/README.md +++ b/translations/hu/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/) -### Csatlakozz az Azure AI Foundry Közösséghez +### Csatlakozz az Azure AI Foundry közösséghez -Ha elakadnál vagy kérdésed lenne az AI alkalmazások fejlesztésével kapcsolatban, csatlakozz más tanulókhoz és tapasztalt fejlesztőkhöz az MCP-vel kapcsolatos beszélgetésekben. Ez egy támogató közösség, ahol a kérdések megengedettek és a tudás szabadon megosztott. +Ha elakadnál vagy kérdésed lenne az AI alkalmazások fejlesztése kapcsán, csatlakozz a tanulótársaidhoz és tapasztalt fejlesztőkhöz az MCP-vel kapcsolatos beszélgetésekben. Ez egy támogató közösség, ahol a kérdések szívesen látottak, és a tudás szabadon megosztásra kerül. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Ha termék visszajelzésed van vagy hibába ütköznél fejlesztés közben, látogass el ide: +Ha termék visszajelzésed vagy hibabejelentésed van a fejlesztés során, látogass el ide: [![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) -Kövesd az alábbi lépéseket, hogy elkezdd használni ezeket az erőforrásokat: -1. **Feljegyzés létrehozása**: Kattints ide [![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. **A tárhely klónozása**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Csatlakozz a Microsoft Foundry Discordhoz, és ismerkedj szakértőkkel és más fejlesztőkkel**](https://discord.com/invite/ByRwuEEgH4) +Kövesd ezeket a lépéseket, hogy elkezdhesd használni ezeket az erőforrásokat: +1. **Készíts Forkot a tárhelyről**: Kattints ide [![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. **Klónozd le a tárhelyet**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**Csatlakozz a Microsoft Foundry Discord-hoz, és ismerkedj szakértőkkel és fejlesztőtársakkal!**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Többnyelvű támogatás -#### GitHub Action-en keresztül támogatott (Automatizált és Mindig naprakész) +#### GitHub Action által támogatott (Automatikus és mindig naprakész) -[Arab](../ar/README.md) | [Bengáli](../bn/README.md) | [Bolgár](../bg/README.md) | [Burmai (Myanmar)](../my/README.md) | [Kínai (Egyszerűsített)](../zh-CN/README.md) | [Kínai (Hagyományos, Hongkong)](../zh-HK/README.md) | [Kínai (Hagyományos, Makaó)](../zh-MO/README.md) | [Kínai (Hagyományos, Tajvan)](../zh-TW/README.md) | [Horvát](../hr/README.md) | [Cseh](../cs/README.md) | [Dán](../da/README.md) | [Holland](../nl/README.md) | [Észt](../et/README.md) | [Finn](../fi/README.md) | [Francia](../fr/README.md) | [Német](../de/README.md) | [Görög](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Magyar](./README.md) | [Indonéz](../id/README.md) | [Olasz](../it/README.md) | [Japán](../ja/README.md) | [Kannada](../kn/README.md) | [Koreai](../ko/README.md) | [Litván](../lt/README.md) | [Maláj](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepáli](../ne/README.md) | [Nigeri Pidgin](../pcm/README.md) | [Norvég](../no/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Lengyel](../pl/README.md) | [Portugál (Brazília)](../pt-BR/README.md) | [Portugál (Portugália)](../pt-PT/README.md) | [Pandzsbí (Gurmukhi)](../pa/README.md) | [Román](../ro/README.md) | [Orosz](../ru/README.md) | [Szerb (Cirill)](../sr/README.md) | [Szlovák](../sk/README.md) | [Szlovén](../sl/README.md) | [Spanyol](../es/README.md) | [Szuahéli](../sw/README.md) | [Svéd](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Török](../tr/README.md) | [Ukrán](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnami](../vi/README.md) +[Arab](../ar/README.md) | [Bengáli](../bn/README.md) | [Bolgár](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Kínai (egyszerűsített)](../zh-CN/README.md) | [Kínai (hagyományos, Hongkong)](../zh-HK/README.md) | [Kínai (hagyományos, Makaó)](../zh-MO/README.md) | [Kínai (hagyományos, Tajvan)](../zh-TW/README.md) | [Horvát](../hr/README.md) | [Cseh](../cs/README.md) | [Dán](../da/README.md) | [Holland](../nl/README.md) | [Észt](../et/README.md) | [Finn](../fi/README.md) | [Francia](../fr/README.md) | [Német](../de/README.md) | [Görög](../el/README.md) | [Héber](../he/README.md) | [Hindi](../hi/README.md) | [Magyar](./README.md) | [Indonéz](../id/README.md) | [Olasz](../it/README.md) | [Japán](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Koreai](../ko/README.md) | [Litván](../lt/README.md) | [Maláj](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepáli](../ne/README.md) | [Nigériai pidgin](../pcm/README.md) | [Norvég](../no/README.md) | [Perzsa (Fárszi)](../fa/README.md) | [Lengyel](../pl/README.md) | [Portugál (Brazília)](../pt-BR/README.md) | [Portugál (Portugália)](../pt-PT/README.md) | [Pandzsábi (Gurmukhi)](../pa/README.md) | [Román](../ro/README.md) | [Orosz](../ru/README.md) | [Szerb (cirill)](../sr/README.md) | [Szlovák](../sk/README.md) | [Szlovén](../sl/README.md) | [Spanyol](../es/README.md) | [Szuahéli](../sw/README.md) | [Svéd](../sv/README.md) | [Tagalog (Filippino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Török](../tr/README.md) | [Ukrán](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnami](../vi/README.md) -> **Inkább helyileg klónoznád?** - -> Ez a tárhely több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnél klónozni, használj spars checkoutot: +> **Előnyben részesíted a helyi klónozást?** +> +> Ez a tárhely több mint 50 nyelvi fordítást tartalmaz, ami jelentősen megnöveli a letöltési méretet. Ha fordítások nélkül szeretnéd klónozni, használd a sparse checkout-ot: +> +> **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' > ``` -> Ez mindent megad, amire szükséged van a kurzus befejezéséhez jóval gyorsabb letöltéssel. +> +> **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" +> ``` +> +> Ez gyorsabb letöltést biztosít és minden szükséges anyagot tartalmaz a kurzus elvégzéséhez. -# IoT Kezdőknek - Egy tanmenet +# Kezdőknek szóló IoT - Tananyag -A Microsoft Azure Cloud Advocates csapata örömmel kínál egy 12 hetes, 24 leckéből álló tantervet, amely az IoT alapjairól szól. Minden lecke elő- és utóleckés kvízeket, írásos útmutatókat a lecke teljesítéséhez, megoldásokat, feladatokat és egyebeket tartalmaz. Projekt-alapú pedagógiánk lehetővé teszi, hogy tanulj miközben építesz, ami bizonyítottan hatékony módja az új készségek elsajátításának. +A Microsoft Azure Cloud Advocates csapata örömmel kínál egy 12 hetes, 24 leckéből álló tananyagot, amely az IoT alapjairól szól. Minden lecke tartalmaz előzetes és utólagos kvízeket, írott útmutatót a lecke teljesítéséhez, megoldást, feladatot és még sok mást. Projektalapú oktatásunk lehetővé teszi, hogy tanulj miközben építesz, ami bizonyítottan hatékony módszer az új készségek elsajátítására. -A projektek az étel útját követik a gazdaságtól az asztalig. Ez magában foglalja a mezőgazdaságot, logisztikát, gyártást, kiskereskedelmet és a fogyasztót – mind népszerű iparági területek az IoT eszközök számára. +A projektek a táplálék útját követik a farmtól az asztalig. Ez magában foglalja a mezőgazdaságot, logisztikát, gyártást, kiskereskedelmet és a fogyasztót - mind népszerű iparági területek az IoT eszközök számára. -![Egy tanfolyam térképe, amely 24 leckét mutat be, amelyek bevezetőt, mezőgazdaságot, szállítást, feldolgozást, kiskereskedelmet és főzést fednek le](../../translated_images/hu/Roadmap.bb1dec285dda0eda.webp) +![Az oktatás útitervét mutatja, 24 leckével, amelyek bevezetőt, gazdálkodást, szállítást, feldolgozást, kiskereskedelmet és főzést fednek le](../../translated_images/hu/Roadmap.bb1dec285dda0eda.webp) -> Vázlatkép: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb verzióért. +> Sketchnote készítője: [Nitya Narasimhan](https://github.com/nitya). Kattints a képre a nagyobb mérethez. -**Nagy köszönet szerzőinknek: [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), valamint vázlatkészítő művészünknek [Nitya Narasimhan](https://github.com/nitya).** +**Nagy köszönet szerzőinknek: [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett) és sketchnote művészünknek, [Nitya Narasimhan](https://github.com/nitya).** -**Köszönet illeti a [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) csapatát is, akik átnézték és lefordították ezt a tantervet - [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) és [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Köszönet illeti a [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) csapatát is, akik átnézték és lefordították ezt a tananyagot - [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), és [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Ismerd meg a csapatot! @@ -62,153 +72,151 @@ Ismerd meg a csapatot! **Gif készítője:** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 Kattints a fenti képre, hogy egy videót nézz meg a projektről! +> 🎥 Kattints a fenti képre a projekt videójához! -> **Tanárai számára** készítettünk néhány [javaslatot](for-teachers.md) a tanterv használatához. Ha saját leckéket szeretnél készíteni, mellékeltünk egy [leckesablont](lesson-template/README.md) is. +> **Tanárként** [tartalmazunk néhány javaslatot](for-teachers.md) a tananyag használatához. Ha saját leckéket szeretnél készíteni, mellékeltünk egy [lecke sablont](lesson-template/README.md) is. -> **[Diákok](https://aka.ms/student-page)**, hogy saját magatok használhassátok ezt a tantervet, forkold a teljes repót, és végezd el önállóan a gyakorlatokat: kezdve egy előadás előtti kvízzel, majd az előadás anyagának elolvasásával és a további tevékenységek elvégzésével. Próbáld meg a projekteket a leckék megértése alapján megalkotni, ne csak másold a megoldáskódot; a kód mindenesetre elérhető a /solutions mappában minden projektorientált leckénél. Egy másik ötlet, hogy tanulócsoportot alkottok barátokkal, és közösen haladtok végig az anyagon. További tanuláshoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) platformot. +> **Diákok**, ha saját magatok szeretnétek használni ezt a tananyagot, készítsetek forkot az egész repo-ról, és végezzétek el a gyakorlatokat egymástól függetlenül, kezdve az előkészítő kvízzel, majd olvassátok el az anyagot és teljesítsétek a többi feladatot. Próbáljátok megérteni a tananyagot, és ne csak másoljatok megoldásokat; a megoldások megtalálhatók az egyes projekt-orientált leckék /solutions mappájában is. Egy másik ötlet, hogy tanulócsoportot alakítsatok barátokkal, és közösen menjetek végig az anyagon. További tanuláshoz ajánljuk a [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) platformot. -A tanfolyam videós áttekintéséhez nézd meg ezt a videót: +A kurzus videós bemutatóját itt nézheted meg: [![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") -> 🎥 Kattints a fenti képre, hogy egy videót nézz meg a projektről! +> 🎥 Kattints a fenti képre a projekt videójához! -## Pedagógia +## Oktatási elvek -Két pedagógiai elvet választottunk ennek a tantervnek az összeállításakor: biztosítani, hogy projekt-alapú legyen, és hogy gyakori kvízeket tartalmazzon. A sorozat végére a diákok építenek egy növényfigyelő és öntözőrendszert, járműkövetőt, okos gyári rendszert az ételek nyomon követésére és ellenőrzésére, valamint egy hangvezérelt főzési időzítőt. Megtanulják az Internet of Things alapjait, beleértve az eszközprogramozást, a felhőkapcsolatot, a telemetria elemzését és az AI felhasználását az élő élőhelyen. +A tananyag elkészítése közben két pedgógiai elvet követünk: hogy az anyag projektalapú legyen, és tartalmazzon gyakori kvízeket. A sorozat végére a tanulók építenek egy növényfigyelő és öntöző rendszert, egy járműkövetőt, egy okos gyári rendszert az élelmiszerek nyomon követésére és ellenőrzésére, valamint egy hangvezérelt főzőidőzítőt, és megtanulják az Internet of Things alapjait, beleértve az eszközök programozását, a felhőkapcsolatot, a telemetria elemzését és az AI alkalmazását az élőhelyen. -Az anyag projekt-alapú kialakítása miatt a tanulási folyamat élvezetesebb a diákok számára, és növeli a fogalmak megtartását. +Az anyag projektalapon való összhangja miatt a tanulók számára izgalmasabbá válik az oktatás, és jobb lesz a tanultak megőrzése. -Továbbá, egy előtti kvíz a tanóra előtt beállítja a tanuló szándékát a téma elsajátítására, míg egy második kvíz az óra után segíti a további megtartást. Ez a tanterv rugalmas és szórakoztató, egészben vagy részleteiben is elvégezhető. A projektek kicsiben kezdődnek és fokozatosan egyre összetettebbé válnak a 12 hetes ciklus végére. +Ezen túl a tanóra előtti kis értékelő kvíz a tanulóban a tanulási szándékot erősíti, míg az óra utáni második kvíz a tudás mélyebb rögzítését segíti elő. Ez a tananyag rugalmas és élvezetes, egészében vagy részben is elvégezhető. A projektek kicsiben kezdődnek és a 12 hetes ciklus végére egyre összetettebbé válnak. -Minden projekt valódi hardverre épül, amely elérhető diákok és hobbi fejlesztők számára. A projektek egy-egy adott projektterületet vizsgálnak, releváns háttértudást nyújtva. Ahhoz, hogy sikeres fejlesztő legyél, segít megérteni azt a területet, ahol a problémákat oldod meg; ennek a háttértudásnak köszönhetően a diákok könnyebben gondolkodnak IoT megoldásaikról és tapasztalataikról az adott valós problémakörnyezetben, amelyet egy IoT fejlesztőként meg kell oldaniuk. Megértik a megoldások "miért"-jét, és értékelik a végfelhasználó igényeit. +Minden projekt valódi hardver köré épül, amely a tanulók és hobbisták számára elérhető. Minden projekt a konkrét projektterületre fókuszál, és releváns háttértudást biztosít. A sikeres fejlesztő számára hasznos megérteni azt a területet, ahol problémákat old meg, így ez a háttértudás segít abban, hogy a tanulók az IoT megoldásaikat és tanulmányaikat ott értelmezzék, ahol az IoT fejlesztők valós problémákat oldanak meg. A diákok megértik az általuk készített megoldások „miért”-jét, és értékelik a végfelhasználót. ## Hardver +A projektekhez kétféle IoT hardver közül választhatunk, személyes preferenciák, programozási nyelvismeret vagy preferenciák, tanulási célok és elérhetőség alapján. Biztosítottunk egy 'virtuális hardver' változatot is azok számára, akik nem férnek hozzá hardverhez, vagy többet szeretnének tanulni a vásárlás előtt. Bővebben olvashat róla, és megtalálhat egy 'bevásárlólistát' a [hardware oldalon](./hardware.md), beleértve a Seeed Studio barátainktól vásárolható komplett készletekre mutató linkeket is. -Kétféle IoT hardvert ajánlunk a projektekhez, a személyes preferenciától, a programozási ismeretektől, a tanulási céloktól és az elérhetőségtől függően. Biztosítottunk egy „virtuális hardver” változatot is azok számára, akik nem férnek hozzá fizikai eszközhöz, vagy többet szeretnének tanulni a vásárlás előtt. Bővebben és egy 'bevásárlólistát' az [hardver oldalon](./hardware.md) találsz, ahol megtalálhatók a Seeed Studio barátaink által kínált komplett készletek megvásárlására vonatkozó linkek is. -> 💁 Találd meg a [Magatartási Kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulási](CONTRIBUTING.md) és a [Fordítási](TRANSLATIONS.md) irányelveket. Várjuk építő jellegű visszajelzésedet! +> 💁 Találja meg a [Magatartási kódexünket](CODE_OF_CONDUCT.md), a [Hozzájárulás](CONTRIBUTING.md) és a [Fordítás](TRANSLATIONS.md) irányelveinket. Örömmel fogadjuk az építő jellegű visszajelzéseit! > -> 🔧 Problémád adódott? Nézd meg a [Hibakeresési Útmutatót](TROUBLESHOOTING.md), ahol a gyakori problémák megoldásait találod. +> 🔧 Problémái vannak? Nézze meg a [Hibaelhárítási útmutatót](TROUBLESHOOTING.md) a gyakori problémák megoldásaiért. -## Minden tananyag tartalmazza: +## Minden leckéhez tartozik: -- sketchnote-ot -- opcionális kiegészítő videót -- előtanulói bemelegítő kvízt -- leírt tananyagot -- projektalapú leckék esetében lépésről lépésre útmutatókat a projekt felépítéséhez -- tudásellenőrzéseket -- kihívást -- kiegészítő olvasnivalót -- házi feladatot -- [utólagos kvízt](https://ff-quizzes.netlify.app/en/) +- vázlatjegyzet +- választható kiegészítő videó +- lecke előtti bemelegítő kvíz +- írott lecke +- projekt-alapú leckék esetén lépésről lépésre útmutató a projekt elkészítéséhez +- tudásellenőrző feladatok +- kihívás +- kiegészítő olvasmány +- feladat +- [leckét követő kvíz](https://ff-quizzes.netlify.app/en/) -> **Megjegyzés a kvízekről**: Az összes kvíz a quiz-app mappában található, összesen 48 kvíz három kérdéssel mindegyikben. Ezek a leckékből vannak linkelve, de a kvíz alkalmazás helyben is futtatható vagy Azure-ra telepíthető; kövesd az útmutatót a `quiz-app` mappában. Fokozatosan lokalizálás alatt állnak. +> **Megjegyzés a kvízekről**: Minden kvíz a quiz-app mappában található, összesen 48 kvíz, mindegyik három kérdésből áll. A leckékből hivatkozottak, de a kvíz alkalmazás akár helyben is futtatható, vagy Azure-ra telepíthető; kövesse a quiz-app mappában található utasításokat. Ezeket folyamatosan lokalizáljuk. ## Leckék -| | Projekt neve | Tanított fogalmak | Tanulási célok | Hivatkozott lecke | -| :---: | :------------------------------------: | :------------------------------------------------------------: | -------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Első lépések](./1-getting-started/README.md) | Bevezetés az IoT világába | Ismerd meg az IoT alapelveit és az IoT megoldások alapvető építőköveit, mint például érzékelők és felhőszolgáltatások, miközben beállítod az első IoT eszközöd. | [Bevezetés az IoT-ba](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Első lépések](./1-getting-started/README.md) | Mélyebb betekintés az IoT-be | Ismerd meg jobban az IoT rendszer elemeit, valamint a mikrokontrollereket és egylapos számítógépeket | [Mélyebb betekintés az IoT-be](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Első lépések](./1-getting-started/README.md) | Fizikai világgal való interakció érzékelők és működtetők révén | Ismerd meg az érzékelőket, amelyek fizikai adatokat gyűjtenek, és a működtetőket, amelyek visszajelzést küldenek, miközben egy éjszakai fényt építesz | [Fizikai világgal való interakció érzékelők és működtetők révén](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Első lépések](./1-getting-started/README.md) | Csatlakoztasd az eszközöd az internethez | Tanuld meg, hogyan csatlakoztathatod IoT eszközöd az internethez, hogy üzeneteket küldj és fogadj, miközben ethernet kapcsolod éjszakai fényedet MQTT brokerhez | [Csatlakoztasd eszközöd az internethez](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Farm](./2-farm/README.md) | Növények növekedésének előrejelzése | Tanuld meg, hogyan jósolhatod meg a növények növekedését egy IoT eszköz által rögzített hőmérsékletadat alapján | [Növények növekedésének előrejelzése](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Farm](./2-farm/README.md) | Talajnedvesség érzékelése | Tanuld meg, hogyan érzékeld a talaj nedvességét és kalibráld a talajnedvesség érzékelőt | [Talajnedvesség érzékelése](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Farm](./2-farm/README.md) | Növény automatikus öntözése | Tanuld meg, hogyan automatizálhatod és időzítheted az öntözést relé és MQTT használatával | [Növény automatikus öntözése](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Farm](./2-farm/README.md) | Növényed felhőbe költöztetése | Ismerd meg a felhőt és a felhőalapú IoT szolgáltatásokat, és hogyan csatlakoztathatod növényedet ezekhez a nyilvános MQTT broker helyett | [Növényed felhőbe költöztetése](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Farm](./2-farm/README.md) | Alkalmazáslogika áthelyezése a felhőbe | Ismerd meg, hogyan írhatod meg az alkalmazáslogikát a felhőben, amely az IoT üzenetekre reagál | [Alkalmazáslogika áthelyezése a felhőbe](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Farm](./2-farm/README.md) | Növényed biztonságban tartása | Ismerd meg az IoT biztonságot és hogyan tarthatod növényedet biztonságban kulcsok és tanúsítványok segítségével | [Növényed biztonságban tartása](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Szállítás](./3-transport/README.md) | Helymeghatározás | Ismerd meg a GPS helymeghatározást IoT eszközök számára | [Helymeghatározás](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Szállítás](./3-transport/README.md) | Helyadat tárolása | Ismerd meg, hogyan tárolhatsz IoT adatokat későbbi megjelenítésre vagy elemzésre | [Helyadat tárolása](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Szállítás](./3-transport/README.md) | Helyadat vizualizálása | Ismerd meg a helyadatok térképen történő megjelenítését, és hogyan ábrázolják a térképek a valós 3D világot 2 dimenzióban | [Helyadat vizualizálása](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Szállítás](./3-transport/README.md) | Geokerítések | Ismerd meg a geokerítéseket (geofencing), és hogyan használhatók arra, hogy értesítsék a szállítási lánc járműveit, amikor közel vannak a rendeltetési helyükhöz | [Geokerítések](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Gyártás](./4-manufacturing/README.md) | Gyümölcsminőség-észlelő betanítása | Tanuld meg, hogyan képezz felhőben egy képosztályozót a gyümölcsminőség észlelésére | [Gyümölcsminőség-észlelő betanítása](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Gyártás](./4-manufacturing/README.md) | Gyümölcsminőség ellenőrzése IoT eszközről | Ismerd meg, hogyan használhatod gyümölcsminőség-észlelődet egy IoT eszközről | [Gyümölcsminőség ellenőrzése IoT eszközről](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Gyártás](./4-manufacturing/README.md) | Gyümölcsészlelő futtatása az élőszélen | Ismerd meg, hogyan futtathatod gyümölcsészlelődet egy IoT eszközön az élőszélen | [Gyümölcsészlelő futtatása az élőszélen](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Gyártás](./4-manufacturing/README.md) | Gyümölcsminőség-észlelés indítása érzékelőről | Ismerd meg, hogyan indíthatod el az érzékelőről a gyümölcsminőség-észlelést | [Gyümölcsminőség-észlelés indítása érzékelőről](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Kereskedelem](./5-retail/README.md) | Készletészlelő betanítása | Tanuld meg, hogyan használhatsz objektumfelismerést készletészlelő betanításához a bolti készlet számolására | [Készletészlelő betanítása](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Kereskedelem](./5-retail/README.md) | Készlet ellenőrzése IoT eszközről | Ismerd meg, hogyan ellenőrizheted a készletet IoT eszközről objektumfelismerő modellel | [Készlet ellenőrzése IoT eszközről](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Fogyasztó](./6-consumer/README.md) | Beszédfelismerés IoT eszközzel | Tanuld meg, hogyan ismerheted fel a beszédet egy IoT eszközzel okos időzítő építésére | [Beszédfelismerés IoT eszközzel](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Fogyasztó](./6-consumer/README.md) | Nyelvértés | Ismerd meg, hogyan értheted meg az IoT eszköznek mondott mondatokat | [Nyelvértés](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Fogyasztó](./6-consumer/README.md) | Időzítő beállítása és hangos visszajelzés | Tanuld meg, hogyan állíthatsz be időzítőt IoT eszközön és adhatsz hangos visszajelzést, mikor indult el és mikor ért véget | [Időzítő beállítása és hangos visszajelzés](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Fogyasztó](./6-consumer/README.md) | Több nyelv támogatása | Tanuld meg, hogyan támogathatsz több nyelvet egyszerre, mind a beszédértést, mind az okos időzítő válaszait | [Több nyelv támogatása](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Offline elérés - -Ezt a dokumentációt offline is futtathatod a [Docsify](https://docsify.js.org/#/) használatával. Forkold ezt a repót, telepítsd a [Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépedre, majd a repó gyökérkönyvtárában futtasd a `docsify serve` parancsot. A weboldal a 3000-es porton lesz elérhető a localhostodon: `localhost:3000`. +| | Projekt neve | Tanult fogalmak | Tanulási célok | Kapcsolódó lecke | +| :---: | :--------------------------------------------: | :------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Kezdetek](./1-getting-started/README.md) | Bevezetés az IoT-be | Ismerje meg az IoT alapelveit és az IoT megoldások alapvető építőelemeit, mint érzékelők és felhőszolgáltatások, miközben beállítja első IoT eszközét | [Bevezetés az IoT-be](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Kezdetek](./1-getting-started/README.md) | Mélyebb bepillantás az IoT-be | Tudjon meg többet az IoT rendszer komponenseiről, valamint a mikrokontrollerekről és az egylemezes számítógépekről | [Mélyebb bepillantás az IoT-be](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Kezdetek](./1-getting-started/README.md) | Fizikai világgal való interakció érzékelőkkel és aktuátorokkal | Ismerje meg az érzékelőket az adatok gyűjtésére a fizikai világból, és az aktuátorokat a visszacsatolás küldésére, miközben egy éjszakai fényt épít | [Fizikai világgal való interakció érzékelőkkel és aktuátorokkal](./1-getting-started/lessons/3-sensors-and-actuators/README.md)| +| 04 | [Kezdetek](./1-getting-started/README.md) | Csatlakoztassa eszközét az internethez | Tudjon meg többet arról, hogyan lehet egy IoT eszközt az internethez csatlakoztatni üzenetek küldésére és fogadására, miközben az éjszakai fényt egy MQTT szerverhez kapcsolja | [Csatlakoztassa eszközét az internethez](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Gazdaság](./2-farm/README.md) | Növények növekedésének előrejelzése | Tanulja meg, hogyan lehet a növények növekedését előrejelezni egy IoT eszköz által gyűjtött hőmérsékleti adatok alapján | [Növények növekedésének előrejelzése](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Gazdaság](./2-farm/README.md) | Talajnedvesség érzékelése | Tanulja meg, hogyan érzékelje a talajnedvességet és kalibrálja a talajnedvesség érzékelőt | [Talajnedvesség érzékelése](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Gazdaság](./2-farm/README.md) | Növények automatikus öntözése | Tanulja meg az öntözés automatizálását és időzítését relé és MQTT használatával | [Növények automatikus öntözése](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Gazdaság](./2-farm/README.md) | Növényének felhőbe való migrálása | Ismerje meg a felhőt és a felhőalapú IoT szolgáltatásokat, és hogyan lehet növényét egy ilyen szolgáltatáshoz csatlakoztatni egy nyilvános MQTT szerver helyett | [Növényének felhőbe való migrálása](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Gazdaság](./2-farm/README.md) | Alkalmazás logika felhőbe helyezése | Tanulja meg, hogyan lehet felhőben írni alkalmazási logikát, amely reagál az IoT üzenetekre | [Alkalmazás logika felhőbe helyezése](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Gazdaság](./2-farm/README.md) | Növényének biztonsága | Tanuljon a biztonságról IoT-ben és arról, hogyan tarthatja növényét biztonságban kulcsokkal és tanúsítványokkal | [Növényének biztonsága](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Szállítás](./3-transport/README.md) | Helymeghatározás követés | Ismerje meg a GPS helymeghatározást IoT eszközökhöz | [Helymeghatározás követés](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Szállítás](./3-transport/README.md) | Helyadatok tárolása | Tanulja meg az IoT adatok tárolását későbbi megjelenítés vagy elemzés céljára | [Helyadatok tárolása](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Szállítás](./3-transport/README.md) | Helyadatok megjelenítése | Ismerje meg a helyadatok térképen való megjelenítését, és hogy a térképek hogyan ábrázolják a valós 3D világot 2 dimenzióban | [Helyadatok megjelenítése](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Szállítás](./3-transport/README.md) | Geokerítések | Ismerje meg a geokerítéseket, és hogy hogyan lehet őket használni arra, hogy riasztást küldjenek, ha az ellátási lánc járművei közelítenek a célállomásukhoz | [Geokerítések](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Gyártás](./4-manufacturing/README.md) | Tanítsa be a gyümölcsminőség-érzékelőt | Tanuljon képosztályozó képzéséről a felhőben, hogy felismerje a gyümölcs minőségét | [Gyümölcsminőség-érzékelő betanítása](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Gyártás](./4-manufacturing/README.md) | Gyümölcs minőségének ellenőrzése IoT eszközről | Tanulja meg, hogyan használja gyümölcsminőség-érzékelőjét egy IoT eszközről | [Gyümölcs minőségének ellenőrzése IoT eszközről](./4-manufacturing/lessons/2-check-fruit-from-device/README.md)| +| 17 | [Gyártás](./4-manufacturing/README.md) | Gyümölcs-érzékelő futtatása az edge-en | Tanuljon az edge IoT eszközön történő gyümölcs-érzékelő futtatásáról | [Gyümölcs-érzékelő futtatása az edge-en](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Gyártás](./4-manufacturing/README.md) | Gyümölcs minőség-érzékelés indítása szenzorról | Ismerje meg, hogyan lehet egy érzékelőről indítani a gyümölcs minőség-érzékelést | [Gyümölcs minőség-érzékelés indítása szenzorról](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Kiskereskedelem](./5-retail/README.md) | Árukészlet-érzékelő betanítása | Tanulja meg, hogyan használjon objektumfelismerést árukészlet-érzékelő betanítására a bolt készletének számolásához | [Árukészlet-érzékelő betanítása](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Kiskereskedelem](./5-retail/README.md) | Árukészlet ellenőrzése IoT eszközről | Tanulja meg, hogyan ellenőrizze az árukészletet IoT eszközről egy objektumfelismerő modell segítségével | [Árukészlet ellenőrzése IoT eszközről](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Fogyasztó](./6-consumer/README.md) | Beszéd felismerése IoT eszközzel | Tanulja meg, hogyan ismerjék fel a beszédet IoT eszköz segítségével okos időzítő építéséhez | [Beszéd felismerése IoT eszközzel](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Fogyasztó](./6-consumer/README.md) | Nyelv megértése | Tanulja meg, hogyan érthetők meg az IoT eszközhöz intézett mondatok | [Nyelv megértése](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Fogyasztó](./6-consumer/README.md) | Időzítő beállítása és hang alapú visszajelzés | Tanulja meg, hogyan állítson be időzítőt IoT eszközön, és hogyan adjon hangos visszajelzést az időzítő beállításáról és lejártáról | [Időzítő beállítása és hang alapú visszajelzés](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Fogyasztó](./6-consumer/README.md) | Több nyelv támogatása | Tanulja meg, hogyan támogasson több nyelvet, mind a megszólítás, mind az okos időzítő válaszai esetén | [Több nyelv támogatása](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Offline hozzáférés + +Ezt a dokumentációt offline is használhatja a [Docsify](https://docsify.js.org/#/) segítségével. Forkolja ezt a repót, telepítse a [Docsify-t](https://docsify.js.org/#/quickstart) a helyi gépére, majd a repó gyökérmappájában futtassa a `docsify serve` parancsot. A weboldal a localhost 3000-es portján lesz elérhető: `localhost:3000`. ## Kvíz -Köszönet a közösségnek az interaktív kvízért, amely teszteli tudásodat a fejezetekből. Tudásodat itt tesztelheted: [itt](https://ff-quizzes.netlify.app/en/) +Köszönet a közösségnek az interaktív kvíz összeállításáért, amely az egyes fejezetek tudását teszteli. Tudását [itt tesztelheti](https://ff-quizzes.netlify.app/en/). ### PDF -Szükség esetén készíthetsz PDF-et erről a tartalomról offline eléréshez. Ehhez győződj meg róla, hogy [az npm telepítve van](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm), majd futtasd a következő parancsokat a repó gyökerében: +Szükség esetén offline hozzáféréshez generálhat ebből a tartalomból PDF-et. Ehhez győződjön meg róla, hogy telepítve van az [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm), majd futtassa a következő parancsokat a repó gyökérmappájában: ```sh npm i npm run convert ``` +### Dia -### Diák - -Néhány lecke számára diákat is találsz a [slides](../../slides) mappában. +Néhány leckéhez dia-prezentációk találhatók a [slides](../../slides) mappában. +## Egyéb tantervek -## Egyéb tananyagok - -Csapatunk más tananyagokat is készít! Nézd meg: +Csapatunk más tanterveket is készít! Nézze meg: ### LangChain [![LangChain4j kezdőknek](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 kezdőknek](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 kezdőknek](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 / Ügynökök +### Azure / Edge / MCP / Agents [![AZD kezdőknek](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 kezdőknek](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 kezdőknek](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 Ügynökök Kezdőknek](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 ügynökök kezdőknek](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) --- -### Generatív AI Sorozat -[![Generatív AI Kezdőknek](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) +### Generatív AI sorozat +[![Generatív AI kezdőknek](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) [![Generatív 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) [![Generatív 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) [![Generatív 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) --- -### Alapvető Tanulás -[![ML Kezdőknek](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) -[![Adattudomány Kezdőknek](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 Kezdőknek](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) -[![Kiberbiztonság Kezdőknek](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) -[![Webfejlesztés Kezdőknek](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 Kezdőknek](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 Fejlesztés Kezdőknek](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) +### Alapvető tanulás +[![Gépi tanulás kezdőknek](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) +[![Adattudomány kezdőknek](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 kezdőknek](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) +[![Kiberbiztonság kezdőknek](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) +[![Webfejlesztés kezdőknek](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 kezdőknek](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 fejlesztés kezdőknek](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) --- -### Copilot Sorozat -[![Copilot AI Párprogramozáshoz](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 sorozat +[![Copilot AI páros programozáshoz](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 C#/.NET-hez](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 Kaland](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 kalandok](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) -## Képek forrásmegjelölései +## Képek szerzői jogai -A tananyagban használt képek forrásmegjelöléseit, ahol szükséges, megtalálod a [Forrásmegjelölések](./attributions.md) fájlban. +Az ebben a tananyagban használt képek szerzői jogi megjelöléseit megtalálja a [Szerzői jogok](./attributions.md) fájlban, ahol szükséges. --- -**Jogi nyilatkozat**: -Ezt a dokumentumot a [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordító szolgáltatás segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások tartalmazhatnak hibákat vagy pontatlanságokat. Az eredeti dokumentum az anyanyelvén tekintendő elsődleges forrásnak. Lényeges információk esetén professzionális emberi fordítást javaslunk. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy félreértelmezésekért. +**Jogi nyilatkozat**: +Ezt a dokumentumot az AI fordítási szolgáltatás, a [Co-op Translator](https://github.com/Azure/co-op-translator) segítségével fordítottuk. Bár a pontosságra törekszünk, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti, anyanyelvi dokumentum tekintendő hivatalos forrásnak. Kritikus információk esetén professzionális, emberi fordítást javasolunk. Nem vállalunk felelősséget semmilyen félreértésért vagy értelmezési hibáért, amely ebből a fordításból ered. \ No newline at end of file diff --git a/translations/hu/hardware.md b/translations/hu/hardware.md index 29877065c..93287ee66 100644 --- a/translations/hu/hardware.md +++ b/translations/hu/hardware.md @@ -26,7 +26,7 @@ A Seeed Studios nagyon kedvesen elérhetővé tette az összes hardvert könnyen **[IoT kezdőknek a Seeed és a Microsoft segítségével - Raspberry Pi 4 Starter Kit](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![A Raspberry Pi Terminal hardverkészlet](../../translated_images/hu/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![A Raspberry Pi Terminal hardverkészlet](../../translated_images/hu/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/sw/.co-op-translator.json b/translations/sw/.co-op-translator.json index 7db787d62..2e376336d 100644 --- a/translations/sw/.co-op-translator.json +++ b/translations/sw/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "sw" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T02:23:54+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T16:32:01+00:00", "source_file": "README.md", "language_code": "sw" }, diff --git a/translations/sw/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/sw/1-getting-started/lessons/1-introduction-to-iot/README.md index be8e0504d..c455a8e0b 100644 --- a/translations/sw/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/sw/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # Utangulizi wa IoT -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-1.2606670fa61ee904.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. diff --git a/translations/sw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/sw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 48877c6b4..077577d78 100644 --- a/translations/sw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/sw/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Kama hatua ya pili ya 'Hello World', utaendesha programu ya CounterFit na kuunga Programu itaanza kuendesha na kufunguka kwenye kivinjari chako cha mtandao: - ![Programu ya CounterFit ikifanya kazi kwenye kivinjari](../../../../../translated_images/sw/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Programu ya CounterFit ikifanya kazi kwenye kivinjari](../../../../../translated_images/sw/counterfit-first-run.433326358b669b31.webp) Itakuwa imewekwa alama kama *Disconnected*, na LED kwenye kona ya juu-kulia imezimwa. @@ -224,7 +224,7 @@ Kama hatua ya pili ya 'Hello World', utaendesha programu ya CounterFit na kuunga 1. Katika terminal hii mpya, endesha faili ya `app.py` kama awali. Hali ya CounterFit itabadilika kuwa **Connected** na LED itawaka. - ![CounterFit ikionyesha kama imeunganishwa](../../../../../translated_images/sw/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![CounterFit ikionyesha kama imeunganishwa](../../../../../translated_images/sw/counterfit-connected.ed30b46d8f79b092.webp) > 💁 Unaweza kupata msimbo huu kwenye [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) folda. diff --git a/translations/sw/1-getting-started/lessons/2-deeper-dive/README.md b/translations/sw/1-getting-started/lessons/2-deeper-dive/README.md index fdc3a6dca..9c0406773 100644 --- a/translations/sw/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/sw/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # Uchambuzi wa Kina wa IoT -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-2.324b0580d620c25e.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -38,7 +38,7 @@ Sehemu ya **Kifaa** katika IoT inahusu kifaa kinachoweza kuingiliana na ulimweng Vifaa hivi huingiliana na ulimwengu wa kimwili, ama kwa kutumia sensa kukusanya data kutoka mazingira yao au kwa kudhibiti matokeo au actuators kufanya mabadiliko ya kimwili. Mfano wa kawaida wa hili ni thermostat ya kisasa - kifaa chenye sensa ya joto, njia ya kuweka joto linalotakiwa kama vile kidhibiti au skrini ya kugusa, na muunganisho na mfumo wa kupasha au kupoza ambao unaweza kuwashwa wakati joto lililogunduliwa liko nje ya kiwango kinachotakiwa. Sensa ya joto hugundua kuwa chumba ni baridi sana na actuator huwasha mfumo wa kupasha joto. -![Mchoro unaoonyesha joto na kidhibiti kama pembejeo kwa kifaa cha IoT, na udhibiti wa hita kama matokeo](../../../../../translated_images/sw/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![Mchoro unaoonyesha joto na kidhibiti kama pembejeo kwa kifaa cha IoT, na udhibiti wa hita kama matokeo](../../../../../translated_images/sw/basic-thermostat.a923217fd1f37e5a.webp) Kuna aina nyingi za vifaa vinavyoweza kufanya kazi kama vifaa vya IoT, kuanzia vifaa maalum vinavyogundua kitu kimoja, hadi vifaa vya matumizi ya jumla, hata simu yako ya mkononi! Simu ya mkononi inaweza kutumia sensa kugundua ulimwengu unaozunguka, na actuators kuingiliana na ulimwengu - kwa mfano, kutumia sensa ya GPS kugundua eneo lako na spika kukupa maelekezo ya kufika mahali fulani. @@ -54,7 +54,7 @@ Vifaa pia havihitaji kuunganishwa moja kwa moja na Intaneti yenyewe kupitia WiFi Kwa mfano wa thermostat ya kisasa, thermostat ingeunganishwa kwa kutumia WiFi ya nyumbani na huduma ya wingu inayofanya kazi kwenye wingu. Ingetuma data ya joto kwa huduma hii ya wingu, na kutoka hapo itaandikwa kwenye hifadhidata ya aina fulani inayomruhusu mmiliki wa nyumba kuangalia joto la sasa na la zamani kwa kutumia programu ya simu. Huduma nyingine kwenye wingu ingejua joto ambalo mmiliki wa nyumba anataka, na kutuma ujumbe kurudi kwa kifaa cha IoT kupitia huduma ya wingu ili kuambia mfumo wa kupasha joto kuwasha au kuzima. -![Mchoro unaoonyesha joto na kidhibiti kama pembejeo kwa kifaa cha IoT, kifaa cha IoT kikiwa na mawasiliano ya njia mbili na wingu, ambalo kwa upande wake lina mawasiliano ya njia mbili na simu, na udhibiti wa hita kama matokeo kutoka kwa kifaa cha IoT](../../../../../translated_images/sw/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![Mchoro unaoonyesha joto na kidhibiti kama pembejeo kwa kifaa cha IoT, kifaa cha IoT kikiwa na mawasiliano ya njia mbili na wingu, ambalo kwa upande wake lina mawasiliano ya njia mbili na simu, na udhibiti wa hita kama matokeo kutoka kwa kifaa cha IoT](../../../../../translated_images/sw/mobile-controlled-thermostat.4a994010473d8d6a.webp) Toleo la kisasa zaidi linaweza kutumia AI kwenye wingu pamoja na data kutoka kwa sensa nyingine zilizounganishwa na vifaa vingine vya IoT kama sensa za uwepo zinazogundua vyumba vinavyotumika, pamoja na data kama hali ya hewa na hata kalenda yako, kufanya maamuzi ya jinsi ya kuweka joto kwa njia ya kisasa. Kwa mfano, linaweza kuzima mfumo wa kupasha joto ikiwa linasoma kutoka kwa kalenda yako kuwa uko likizoni, au kuzima mfumo wa kupasha joto kwa msingi wa chumba kwa chumba kulingana na vyumba unavyotumia, likijifunza kutoka kwa data kuwa sahihi zaidi kwa muda. @@ -94,7 +94,7 @@ Kadri mzunguko wa saa unavyokuwa wa haraka, ndivyo maagizo yanavyoweza kushughul > 💁 CPU hutekeleza programu kwa kutumia [mzunguko wa fetch-decode-execute](https://wikipedia.org/wiki/Instruction_cycle). Kwa kila dundo la saa, CPU itachukua agizo linalofuata kutoka kwa kumbukumbu, kulifafanua, kisha kulitekeleza kama vile kutumia kitengo cha mantiki ya hesabu (ALU) kuongeza namba 2. Baadhi ya utekelezaji utachukua mizunguko mingi kukimbia, hivyo mzunguko unaofuata utaendeshwa kwenye dundo linalofuata baada ya agizo kukamilika. -![Mzunguko wa fetch decode execute unaoonyesha kuchukua agizo kutoka kwa programu iliyohifadhiwa kwenye RAM, kisha kulifafanua na kulitekeleza kwenye CPU](../../../../../translated_images/sw/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![Mzunguko wa fetch decode execute unaoonyesha kuchukua agizo kutoka kwa programu iliyohifadhiwa kwenye RAM, kisha kulifafanua na kulitekeleza kwenye CPU](../../../../../translated_images/sw/fetch-decode-execute.2fd6f150f6280392.webp) Microcontrollers zina kasi ya saa ya chini sana ikilinganishwa na kompyuta za mezani au laptop, au hata simu nyingi za mkononi. Kwa mfano, Wio Terminal ina CPU inayofanya kazi kwa 120MHz au mizunguko 120,000,000 kwa sekunde. @@ -182,7 +182,7 @@ Bodi za Arduino zinaandikwa kwa C au C++. Kutumia C/C++ kunaruhusu programu yako Ungeandika programu yako ya kuanzisha kwenye kazi ya `setup`, kama vile kuunganisha kwenye WiFi na huduma za wingu au kuanzisha pini za ingizo na toleo. Programu yako ya `loop` ingekuwa na programu ya usindikaji, kama kusoma kutoka kwa sensorer na kutuma thamani kwa wingu. Kwa kawaida ungejumuisha kuchelewesha katika kila mzunguko, kwa mfano, ikiwa unataka tu data ya sensorer kutumwa kila sekunde 10 ungeongeza kuchelewesha kwa sekunde 10 mwishoni mwa mzunguko ili microcontroller iweze kulala, kuokoa nguvu, kisha kuendesha mzunguko tena inapohitajika sekunde 10 baadaye. -![Sketch ya Arduino ikiendesha setup kwanza, kisha ikiendesha loop mara kwa mara](../../../../../translated_images/sw/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Sketch ya Arduino ikiendesha setup kwanza, kisha ikiendesha loop mara kwa mara](../../../../../translated_images/sw/arduino-sketch.79590cb837ff7a7c.webp) ✅ Muundo huu wa programu unajulikana kama *event loop* au *message loop*. Programu nyingi hutumia hii kwa siri na ni kiwango cha kawaida kwa programu nyingi za desktop zinazoendesha kwenye OS kama Windows, macOS au Linux. `loop` husikiliza ujumbe kutoka kwa vipengele vya kiolesura cha mtumiaji kama vile vifungo, au vifaa kama kibodi, na kujibu. Unaweza kusoma zaidi katika [makala kuhusu event loop](https://wikipedia.org/wiki/Event_loop). diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/README.md index 60d1aaae1..1c2e02178 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # Kuingiliana na Ulimwengu wa Kifaa kwa Vihisi na Vichochezi -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-3.cc3b7b4cd646de59.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -92,7 +92,7 @@ Vihisi vya dijitali, kama vile vya analogi, hutambua ulimwengu wa kifaa kwa kutu Kihisi rahisi zaidi cha dijitali ni kitufe au swichi. Hiki ni kihisi chenye hali mbili, kuwashwa au kuzimwa. -![Kitufe kinatumwa volts 5. Wakati hakijabonyezwa kinarejesha volts 0, wakati kimebonyezwa kinarejesha volts 5](../../../../../translated_images/sw/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![Kitufe kinatumwa volts 5. Wakati hakijabonyezwa kinarejesha volts 0, wakati kimebonyezwa kinarejesha volts 5](../../../../../translated_images/sw/button.eadb560b77ac45e5.webp) Pini kwenye vifaa vya IoT kama pini za GPIO zinaweza kupima ishara hii moja kwa moja kama 0 au 1. Ikiwa voltage iliyotumwa ni sawa na voltage iliyorejeshwa, thamani inayosomwa ni 1, vinginevyo thamani inayosomwa ni 0. Hakuna haja ya kubadilisha ishara, inaweza kuwa 1 au 0 tu. @@ -125,7 +125,7 @@ Baadhi ya vichochezi vya kawaida ni: Fuata mwongozo husika hapa chini ili kuongeza kichochezi kwenye kifaa chako cha IoT, kinachodhibitiwa na kihisi, ili kujenga taa ya usiku ya IoT. Itakusanya viwango vya mwanga kutoka kwa kihisi cha mwanga, na kutumia kichochezi kwa njia ya LED kutoa mwanga wakati kiwango cha mwanga kilichotambuliwa ni kidogo sana. -![Chati ya mtiririko wa kazi ikionyesha viwango vya mwanga vikisomwa na kukaguliwa, na LED ikidhibitiwa](../../../../../translated_images/sw/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![Chati ya mtiririko wa kazi ikionyesha viwango vya mwanga vikisomwa na kukaguliwa, na LED ikidhibitiwa](../../../../../translated_images/sw/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [Kompyuta ya bodi moja - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ Kama vihisi, vichochezi ni vya analogi au dijitali. Vichochezi vya analogi huchukua ishara ya analogi na kuibadilisha kuwa aina fulani ya mwingiliano, ambapo mwingiliano hubadilika kulingana na voltage inayotolewa. Mfano mmoja ni taa inayoweza kupunguzwa mwanga, kama zile unazoweza kuwa nazo nyumbani kwako. Kiasi cha voltage kinachotolewa kwa taa huamua jinsi inavyong'aa. -![Taa inayozimika kwa voltage ya chini na kung'aa kwa voltage ya juu](../../../../../translated_images/sw/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![Taa inayozimika kwa voltage ya chini na kung'aa kwa voltage ya juu](../../../../../translated_images/sw/dimmable-light.9ceffeb195dec1a8.webp) Kama ilivyo kwa sensa, kifaa halisi cha IoT hufanya kazi kwa ishara za kidijitali, si za analogi. Hii inamaanisha ili kutuma ishara ya analogi, kifaa cha IoT kinahitaji kigeuzi cha kidijitali kwenda analogi (DAC), aidha moja kwa moja kwenye kifaa cha IoT, au kwenye bodi ya kiunganishi. Hii itabadilisha 0s na 1s kutoka kwa kifaa cha IoT kuwa voltage ya analogi ambayo actuator inaweza kutumia. @@ -187,7 +187,7 @@ Actuators za kidijitali, kama sensa za kidijitali, huwa na hali mbili zinazodhib Actuator moja rahisi ya kidijitali ni LED. Wakati kifaa kinatuma ishara ya kidijitali ya 1, voltage ya juu inatumwa ambayo huwasha LED. Wakati ishara ya kidijitali ya 0 inatumwa, voltage hushuka hadi 0V na LED huzimika. -![LED imezimwa kwa 0 volts na imewashwa kwa 5V](../../../../../translated_images/sw/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED imezimwa kwa 0 volts na imewashwa kwa 5V](../../../../../translated_images/sw/led.ec6d94f66676a174.webp) ✅ Ni actuators gani nyingine rahisi zenye hali mbili unaweza kufikiria? Mfano mmoja ni solenoid, ambayo ni sumaku ya umeme inayoweza kuanzishwa kufanya mambo kama kusogeza bolt ya mlango kufunga/kufungua mlango. diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 38dcdac66..a5381483b 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ LED ya Grove inakuja kama moduli yenye chaguo la LEDs, ikikuruhusu kuchagua rang Unganisha LED. -![LED ya Grove](../../../../../translated_images/sw/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![LED ya Grove](../../../../../translated_images/sw/grove-led.6c853be93f473cf2.webp) 1. Chagua LED unayoipenda na ingiza miguu yake kwenye mashimo mawili kwenye moduli ya LED. @@ -40,7 +40,7 @@ Unganisha LED. 1. Ukiwa na Raspberry Pi imezimwa, unganisha mwisho mwingine wa kebo ya Grove kwenye soketi ya kidijitali iliyoandikwa **D5** kwenye Grove Base hat iliyounganishwa na Pi. Soketi hii ni ya pili kutoka kushoto, kwenye safu ya soketi karibu na pini za GPIO. -![LED ya Grove imeunganishwa kwenye soketi D5](../../../../../translated_images/sw/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![LED ya Grove imeunganishwa kwenye soketi D5](../../../../../translated_images/sw/pi-led.97f1d474981dc35d.webp) ## Programu ya taa ya usiku diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index dd30fefb8..35f85a63b 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Kihisi cha mwanga cha Grove kinachotumika kugundua viwango vya mwanga kinahitaji Unganisha kihisi cha mwanga -![Kihisi cha mwanga cha Grove](../../../../../translated_images/sw/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![Kihisi cha mwanga cha Grove](../../../../../translated_images/sw/grove-light-sensor.b8127b7c434e632d.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya moduli ya kihisi cha mwanga. Itaingia kwa njia moja tu. 1. Ukiwa na Raspberry Pi imezimwa, unganisha mwisho mwingine wa kebo ya Grove kwenye soketi ya analogi iliyoandikwa **A0** kwenye kofia ya Grove Base iliyounganishwa na Pi. Soketi hii ni ya pili kutoka kulia, kwenye safu ya soketi karibu na pini za GPIO. -![Kihisi cha mwanga cha Grove kimeunganishwa kwenye soketi A0](../../../../../translated_images/sw/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Kihisi cha mwanga cha Grove kimeunganishwa kwenye soketi A0](../../../../../translated_images/sw/pi-light-sensor.66cc1e31fa48cd7d.webp) ## Programu ya kihisi cha mwanga diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index edaf3a297..1859c4cd9 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Ongeza LED kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** kuunda LED kwenye Pin 5. - ![Mipangilio ya LED](../../../../../translated_images/sw/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![Mipangilio ya LED](../../../../../translated_images/sw/counterfit-create-led.ba9db1c9b8c622a6.webp) LED itaundwa na itaonekana kwenye orodha ya viendeshaji. - ![LED iliyoundwa](../../../../../translated_images/sw/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![LED iliyoundwa](../../../../../translated_images/sw/counterfit-led.c0ab02de6d256ad8.webp) Mara LED inapoundwa, unaweza kubadilisha rangi kwa kutumia kiondoa rangi cha *Color*. Chagua kitufe cha **Set** kubadilisha rangi baada ya kuchagua. diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index ae8a596f7..833b10784 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ Ongeza kihisi cha mwanga kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kuunda kihisi cha mwanga kwenye Pin 0. - ![Mipangilio ya kihisi cha mwanga](../../../../../translated_images/sw/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![Mipangilio ya kihisi cha mwanga](../../../../../translated_images/sw/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) Kihisi cha mwanga kitatengenezwa na kuonekana kwenye orodha ya vihisi. - ![Kihisi cha mwanga kilichoundwa](../../../../../translated_images/sw/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![Kihisi cha mwanga kilichoundwa](../../../../../translated_images/sw/counterfit-light-sensor.5d0f5584df56b90f.webp) ## Programu ya kihisi cha mwanga diff --git a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index 27494c220..cb153b7de 100644 --- a/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/sw/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ LED ya Grove inakuja kama moduli yenye chaguo la LEDs, ikikuruhusu kuchagua rang Unganisha LED. -![LED ya Grove](../../../../../translated_images/sw/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![LED ya Grove](../../../../../translated_images/sw/grove-led.6c853be93f473cf2.webp) 1. Chagua LED unayopenda na ingiza miguu yake kwenye mashimo mawili kwenye moduli ya LED. diff --git a/translations/sw/1-getting-started/lessons/4-connect-internet/README.md b/translations/sw/1-getting-started/lessons/4-connect-internet/README.md index 83df1ef31..f5affea05 100644 --- a/translations/sw/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/sw/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # Unganisha kifaa chako na Intaneti -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-4.7344e074ea68fa54.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -47,7 +47,7 @@ MQTT ni itifaki maarufu zaidi ya mawasiliano kwa vifaa vya IoT na imeelezwa kati MQTT ina broker mmoja na wateja wengi. Wateja wote huunganishwa na broker, na broker husambaza ujumbe kwa wateja husika. Ujumbe husambazwa kwa kutumia mada zilizotajwa, badala ya kutumwa moja kwa moja kwa mteja mmoja. Mteja anaweza kuchapisha kwenye mada, na wateja wowote wanaosubscribe kwa mada hiyo watapokea ujumbe. -![Kifaa cha IoT kinachochapisha telemetry kwenye mada ya /telemetry, na huduma ya wingu inayosubscribe kwa mada hiyo](../../../../../translated_images/sw/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![Kifaa cha IoT kinachochapisha telemetry kwenye mada ya /telemetry, na huduma ya wingu inayosubscribe kwa mada hiyo](../../../../../translated_images/sw/mqtt.cbf7f21d9adc3e17.webp) ✅ Fanya utafiti. Ikiwa una vifaa vingi vya IoT, unaweza kuhakikisha vipi kwamba broker yako ya MQTT inaweza kushughulikia ujumbe wote? @@ -69,7 +69,7 @@ Badala ya kushughulikia ugumu wa kusanidi broker ya MQTT kama sehemu ya kazi hii > 💁 Broker hii ya majaribio ni ya umma na si salama. Mtu yeyote anaweza kusikiliza unachochapisha, hivyo haipaswi kutumiwa na data yoyote inayohitaji kubaki siri. -![Mchoro wa mtiririko wa kazi unaonyesha viwango vya mwanga vinavyosomwa na kuchunguzwa, na LED ikidhibitiwa](../../../../../translated_images/sw/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![Mchoro wa mtiririko wa kazi unaonyesha viwango vya mwanga vinavyosomwa na kuchunguzwa, na LED ikidhibitiwa](../../../../../translated_images/sw/assignment-1-internet-flow.3256feab5f052fd2.webp) Fuata hatua husika hapa chini kuunganisha kifaa chako na broker ya MQTT: @@ -350,7 +350,7 @@ Kwa mashine unaweza kutaka kuhifadhi data, hasa ikiwa inatumika kutafuta mwenend Wabunifu wa vifaa vya IoT wanapaswa pia kuzingatia ikiwa kifaa cha IoT kinaweza kutumika wakati wa kukatika kwa mtandao au kupoteza ishara kunakosababishwa na eneo. Thermostat ya kisasa inapaswa kuwa na uwezo wa kufanya maamuzi machache ya kudhibiti joto ikiwa haiwezi kutuma telemetry kwa wingu kutokana na kukatika. -[![Ferrari hii iliharibika kwa sababu mtu alijaribu kuiboresha chini ya ardhi ambapo hakuna mawasiliano ya simu](../../../../../translated_images/sw/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![Ferrari hii iliharibika kwa sababu mtu alijaribu kuiboresha chini ya ardhi ambapo hakuna mawasiliano ya simu](../../../../../translated_images/sw/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) Kwa MQTT kushughulikia kupoteza muunganisho, msimbo wa kifaa na seva utahitaji kuwajibika kuhakikisha ujumbe unafika ikiwa unahitajika, kwa mfano kwa kuhitaji kwamba ujumbe wote uliotumwa ujibiwe na ujumbe wa ziada kwenye mada ya majibu, na ikiwa sivyo, ujumbe huo uhifadhiwe kwa mkono ili utumwe tena baadaye. @@ -358,7 +358,7 @@ Kwa MQTT kushughulikia kupoteza muunganisho, msimbo wa kifaa na seva utahitaji k Amri ni ujumbe unaotumwa na wingu kwenda kwa kifaa, ukielekeza kifaa kufanya jambo fulani. Mara nyingi hii inahusisha kutoa aina fulani ya pato kupitia actuator, lakini inaweza kuwa maagizo kwa kifaa chenyewe, kama kuwasha upya, au kukusanya telemetry ya ziada na kuirudisha kama jibu kwa amri. -![Thermostat iliyounganishwa na mtandao ikipokea amri ya kuwasha joto](../../../../../translated_images/sw/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![Thermostat iliyounganishwa na mtandao ikipokea amri ya kuwasha joto](../../../../../translated_images/sw/commands.d6c06bbbb3a02cce.webp) Thermostat inaweza kupokea amri kutoka kwa wingu kuwasha joto. Kulingana na data ya telemetry kutoka kwa sensorer zote, ikiwa huduma ya wingu imeamua kuwa joto linapaswa kuwashwa, basi inatuma amri husika. diff --git a/translations/sw/2-farm/lessons/1-predict-plant-growth/README.md b/translations/sw/2-farm/lessons/1-predict-plant-growth/README.md index 48903e210..6302bb899 100644 --- a/translations/sw/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/sw/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # Kutabiri Ukuaji wa Mimea kwa IoT -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-5.42b234299279d263.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -90,7 +90,7 @@ Siku za digrii za ukuaji, au GDD, zinahesabiwa kwa siku kama wastani wa joto kwa Mchoro kamili wa GDD ni mgumu kidogo, lakini kuna mlinganyo rahisi ambao mara nyingi hutumika kama makadirio mazuri: -![GDD = T max + T min kugawanywa kwa 2, yote ikipunguzwa na T base](../../../../../translated_images/sw/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min kugawanywa kwa 2, yote ikipunguzwa na T base](../../../../../translated_images/sw/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - hii ni idadi ya siku za digrii za ukuaji * **T max** - hii ni joto la juu la kila siku katika digrii Celsius @@ -118,7 +118,7 @@ Tukijaza namba hizi kwenye hesabu yetu: Hii inatoa hesabu ya: -![GDD = 16 + 12 kugawanywa kwa 2, yote ikipunguzwa na 10, ikitoa jibu la 4](../../../../../translated_images/sw/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 kugawanywa kwa 2, yote ikipunguzwa na 10, ikitoa jibu la 4](../../../../../translated_images/sw/gdd-calculation-corn.64a58b7a7afcd0df.webp) Mahindi yalipata 4 GDD siku hiyo. Tukichukulia aina ya mahindi inayohitaji 800 GDD ili kukomaa, itahitaji GDD nyingine 796 kufikia ukomavu. @@ -239,7 +239,7 @@ Hatua za kufanya hivi kwa mikono ni: Kwa mfano, ikiwa joto la juu kwa siku ni 25°C, na la chini ni 12°C: -![GDD = 25 + 12 gawanya kwa 2, kisha toa 10 kutoka kwa matokeo ukipata 8.5](../../../../../translated_images/sw/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 gawanya kwa 2, kisha toa 10 kutoka kwa matokeo ukipata 8.5](../../../../../translated_images/sw/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/sw/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/sw/2-farm/lessons/1-predict-plant-growth/assignment.md index 18587dc12..3474d7f0a 100644 --- a/translations/sw/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/sw/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Baada ya kuwa na data ya joto, unaweza kutumia Jupyter Notebook katika repo hii Jupyter itaanza na kufungua notebook katika kivinjari chako. Fuata maelekezo katika notebook ili kuonyesha joto lililopimwa, na kuhesabu siku za digrii za ukuaji. - ![Notebook ya Jupyter](../../../../../translated_images/sw/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Notebook ya Jupyter](../../../../../translated_images/sw/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## Rubric diff --git a/translations/sw/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/sw/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 9537f5463..5109b14fa 100644 --- a/translations/sw/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/sw/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Kihisi cha joto cha Grove kinaweza kuunganishwa na Raspberry Pi. Unganisha kihisi cha joto -![Kihisi cha joto cha Grove](../../../../../translated_images/sw/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Kihisi cha joto cha Grove](../../../../../translated_images/sw/grove-dht11.07f8eafceee17004.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha unyevunyevu na joto. Itaingia kwa njia moja tu. diff --git a/translations/sw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/sw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 229ddfb53..4af3983a1 100644 --- a/translations/sw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/sw/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ Ongeza vihisi vya unyevunyevu na joto kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kutengeneza kihisi cha unyevunyevu kwenye Pin 5. - ![Mipangilio ya kihisi cha unyevunyevu](../../../../../translated_images/sw/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![Mipangilio ya kihisi cha unyevunyevu](../../../../../translated_images/sw/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) Kihisi cha unyevunyevu kitatengenezwa na kuonekana kwenye orodha ya vihisi. - ![Kihisi cha unyevunyevu kilichotengenezwa](../../../../../translated_images/sw/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![Kihisi cha unyevunyevu kilichotengenezwa](../../../../../translated_images/sw/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. Tengeneza kihisi cha joto: @@ -54,11 +54,11 @@ Ongeza vihisi vya unyevunyevu na joto kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kutengeneza kihisi cha joto kwenye Pin 6. - ![Mipangilio ya kihisi cha joto](../../../../../translated_images/sw/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![Mipangilio ya kihisi cha joto](../../../../../translated_images/sw/counterfit-create-temperature-sensor.199350ed34f7343d.webp) Kihisi cha joto kitatengenezwa na kuonekana kwenye orodha ya vihisi. - ![Kihisi cha joto kilichotengenezwa](../../../../../translated_images/sw/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![Kihisi cha joto kilichotengenezwa](../../../../../translated_images/sw/counterfit-temperature-sensor.f0560236c96a9016.webp) ## Programu ya kihisi cha joto diff --git a/translations/sw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/sw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index 1d821f573..0f5a4348f 100644 --- a/translations/sw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/sw/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Kihisi cha joto cha Grove kinaweza kuunganishwa kwenye bandari ya kidijitali ya Unganisha kihisi cha joto. -![Kihisi cha joto cha Grove](../../../../../translated_images/sw/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![Kihisi cha joto cha Grove](../../../../../translated_images/sw/grove-dht11.07f8eafceee17004.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha unyevunyevu na joto. Itaingia kwa njia moja tu. diff --git a/translations/sw/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/sw/2-farm/lessons/2-detect-soil-moisture/README.md index fba30bc26..1d9af28b0 100644 --- a/translations/sw/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/sw/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C ina basi inayojumuisha nyaya kuu 2, pamoja na nyaya 2 za nguvu: | VCC | Voltage common collector | Chanzo cha nguvu kwa vifaa. Hii imeunganishwa na nyaya za SDA na SCL ili kutoa nguvu zao kupitia resistor ya kuvuta juu inayozima ishara wakati hakuna kifaa kinachofanya kazi kama kidhibiti. | | GND | Ardhi | Hii hutoa ardhi ya kawaida kwa mzunguko wa umeme. | -![Basi la I2C na vifaa 3 vilivyounganishwa kwenye nyaya za SDA na SCL, zikishiriki waya wa ardhi ya kawaida](../../../../../translated_images/sw/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![Basi la I2C na vifaa 3 vilivyounganishwa kwenye nyaya za SDA na SCL, zikishiriki waya wa ardhi ya kawaida](../../../../../translated_images/sw/i2c.83da845dde02256b.webp) Ili kutuma data, kifaa kimoja kitaanzisha hali ya kuanza kuonyesha kuwa kiko tayari kutuma data. Kisha kitakuwa kidhibiti. Kidhibiti kitatuma anwani ya kifaa ambacho kinataka kuwasiliana nacho, pamoja na ikiwa kinataka kusoma au kuandika data. Baada ya data kusafirishwa, kidhibiti kitatuma hali ya kusimama kuonyesha kuwa kimekamilisha. Baada ya hapo kifaa kingine kinaweza kuwa kidhibiti na kutuma au kupokea data. diff --git a/translations/sw/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/sw/2-farm/lessons/2-detect-soil-moisture/assignment.md index 2feb9a4b6..d8e8cc522 100644 --- a/translations/sw/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/sw/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,7 +20,7 @@ Utahitaji kurudia hatua hizi mara kadhaa ili kupata vipimo vinavyohitajika, kila Unyevu wa udongo kwa njia ya gravimetriki unakokotolewa kama ifuatavyo: -![unyevu wa udongo % ni uzito wa udongo mbichi ukiondoa uzito wa udongo mkavu, kugawanywa na uzito wa udongo mkavu, kisha kuzidishwa na 100](../../../../../translated_images/sw/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![unyevu wa udongo % ni uzito wa udongo mbichi ukiondoa uzito wa udongo mkavu, kugawanywa na uzito wa udongo mkavu, kisha kuzidishwa na 100](../../../../../translated_images/sw/gsm-calculation.6da38c6201eec14e.webp) * W - uzito wa udongo mbichi @@ -29,7 +29,7 @@ Unyevu wa udongo kwa njia ya gravimetriki unakokotolewa kama ifuatavyo: Kwa mfano, tuseme una sampuli ya udongo yenye uzito wa 212g ikiwa mbichi, na 197g ikiwa mkavu. -![Hesabu iliyoonyeshwa](../../../../../translated_images/sw/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![Hesabu iliyoonyeshwa](../../../../../translated_images/sw/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/sw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/sw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index e2e1ab3b4..68a78cd55 100644 --- a/translations/sw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/sw/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Kihisi cha unyevu wa udongo cha Grove kinaweza kuunganishwa kwenye Raspberry Pi. Unganisha kihisi cha unyevu wa udongo. -![Kihisi cha unyevu wa udongo cha Grove](../../../../../translated_images/sw/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Kihisi cha unyevu wa udongo cha Grove](../../../../../translated_images/sw/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha unyevu wa udongo. Itaingia kwa njia moja tu. 1. Ukiwa na Raspberry Pi imezimwa, unganisha mwisho mwingine wa kebo ya Grove kwenye soketi ya analogi iliyoandikwa **A0** kwenye Grove Base Hat iliyounganishwa na Pi. Soketi hii ni ya pili kutoka kulia, kwenye safu ya soketi karibu na pini za GPIO. -![Kihisi cha unyevu wa udongo cha Grove kimeunganishwa kwenye soketi ya A0](../../../../../translated_images/sw/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Kihisi cha unyevu wa udongo cha Grove kimeunganishwa kwenye soketi ya A0](../../../../../translated_images/sw/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. Ingiza kihisi cha unyevu wa udongo kwenye udongo. Kina mstari wa 'kiwango cha juu zaidi' - mstari mweupe kwenye kihisi. Ingiza kihisi hadi mstari huu lakini usivuke mstari. diff --git a/translations/sw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/sw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index d4e2fbffc..6fe54b9a7 100644 --- a/translations/sw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/sw/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ Ongeza kihisi cha unyevu wa udongo kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** kuunda kihisi cha *Soil Moisture* kwenye Pin 0. - ![Mipangilio ya kihisi cha unyevu wa udongo](../../../../../translated_images/sw/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![Mipangilio ya kihisi cha unyevu wa udongo](../../../../../translated_images/sw/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) Kihisi cha unyevu wa udongo kitaundwa na kitaonekana kwenye orodha ya vihisi. - ![Kihisi cha unyevu wa udongo kimeundwa](../../../../../translated_images/sw/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![Kihisi cha unyevu wa udongo kimeundwa](../../../../../translated_images/sw/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## Programu ya kihisi cha unyevu wa udongo diff --git a/translations/sw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/sw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 22eb0036f..b0998fd6c 100644 --- a/translations/sw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/sw/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Kihisi cha unyevu wa udongo cha Grove kinaweza kuunganishwa kwenye bandari ya an Unganisha kihisi cha unyevu wa udongo. -![Kihisi cha unyevu wa udongo cha Grove](../../../../../translated_images/sw/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![Kihisi cha unyevu wa udongo cha Grove](../../../../../translated_images/sw/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha unyevu wa udongo. Itaingia kwa njia moja tu. diff --git a/translations/sw/2-farm/lessons/3-automated-plant-watering/README.md b/translations/sw/2-farm/lessons/3-automated-plant-watering/README.md index 8c1863277..cb4c3ae5d 100644 --- a/translations/sw/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/sw/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # Kumwagilia mimea kiotomatiki -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-7.30b5f577d3cb8e03.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -32,7 +32,7 @@ Vifaa vya IoT hutumia voltage ndogo. Ingawa hii inatosha kwa sensa na actuators Suluhisho la hili ni kuwa na pampu iliyounganishwa na chanzo cha umeme wa nje, na kutumia actuator kuwasha pampu, sawa na jinsi unavyowasha taa. Inachukua kiasi kidogo cha nguvu (kwa njia ya nishati mwilini mwako) kwa kidole chako kubonyeza swichi, na hii inaunganisha taa na umeme wa nyumbani unaoendesha kwa 110v/240v. -![Swichi ya taa inawasha taa](../../../../../translated_images/sw/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![Swichi ya taa inawasha taa](../../../../../translated_images/sw/light-switch.760317ad6ab8bd6d.webp) > 🎓 [Umeme wa nyumbani](https://wikipedia.org/wiki/Mains_electricity) unarejelea umeme unaosambazwa kwa nyumba na biashara kupitia miundombinu ya kitaifa katika sehemu nyingi za dunia. @@ -72,7 +72,7 @@ Lever inaposogea, mara nyingi unaweza kuisikia ikigusa sumaku ya umeme kwa sauti Sumaku ya umeme haitaji nguvu nyingi kuamsha na kuvuta lever, inaweza kudhibitiwa kwa kutumia 3.3V au 5V kutoka kwa kifaa cha IoT. Mzunguko wa nje unaweza kubeba nguvu zaidi, kulingana na relay, ikiwa ni pamoja na voltage ya nyumbani au hata viwango vya juu vya nguvu kwa matumizi ya viwandani. Kwa njia hii kifaa cha IoT kinaweza kudhibiti mfumo wa umwagiliaji, kutoka pampu ndogo kwa mmea mmoja, hadi mfumo mkubwa wa viwandani kwa shamba zima la kibiashara. -![Relay ya Grove ikiwa na mzunguko wa kudhibiti, mzunguko wa nje na relay vimewekwa alama](../../../../../translated_images/sw/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![Relay ya Grove ikiwa na mzunguko wa kudhibiti, mzunguko wa nje na relay vimewekwa alama](../../../../../translated_images/sw/grove-relay-labelled.293e068f5c3c2a19.webp) Picha hapo juu inaonyesha relay ya Grove. Mzunguko wa kudhibiti unaunganisha na kifaa cha IoT na kuwasha au kuzima relay kwa kutumia 3.3V au 5V. Mzunguko wa nje una vituo viwili, chochote kinaweza kuwa umeme au ardhi. Mzunguko wa nje unaweza kushughulikia hadi 250V kwa 10A, ya kutosha kwa vifaa mbalimbali vinavyotumia umeme wa nyumbani. Unaweza kupata relay zinazoweza kushughulikia hata viwango vya juu vya nguvu. diff --git a/translations/sw/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/sw/2-farm/lessons/3-automated-plant-watering/pi-relay.md index 535c498e2..2d63cf3a3 100644 --- a/translations/sw/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/sw/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Relay ya Grove inaweza kuunganishwa kwenye Raspberry Pi. Unganisha relay. -![Relay ya Grove](../../../../../translated_images/sw/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![Relay ya Grove](../../../../../translated_images/sw/grove-relay.d426958ca210fbd0.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya relay. Itaingia kwa njia moja tu. 1. Ukiwa na Raspberry Pi imezimwa, unganisha mwisho mwingine wa kebo ya Grove kwenye soketi ya kidigitali iliyoandikwa **D5** kwenye Grove Base Hat iliyounganishwa na Pi. Soketi hii ni ya pili kutoka kushoto, kwenye safu ya soketi karibu na pini za GPIO. Acha kihisi cha unyevu wa udongo kikiwa kimeunganishwa kwenye soketi ya **A0**. -![Relay ya Grove imeunganishwa kwenye soketi ya D5, na kihisi cha unyevu wa udongo kimeunganishwa kwenye soketi ya A0](../../../../../translated_images/sw/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Relay ya Grove imeunganishwa kwenye soketi ya D5, na kihisi cha unyevu wa udongo kimeunganishwa kwenye soketi ya A0](../../../../../translated_images/sw/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. Ingiza kihisi cha unyevu wa udongo kwenye udongo, ikiwa hakijaingizwa tayari kutoka somo la awali. diff --git a/translations/sw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/sw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index f87ac04e4..7aca6eafe 100644 --- a/translations/sw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/sw/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ Ongeza relay kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kuunda relay kwenye Pin 5. - ![Mipangilio ya relay](../../../../../translated_images/sw/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![Mipangilio ya relay](../../../../../translated_images/sw/counterfit-create-relay.fa7c40fd0f2f6afc.webp) Relay itaundwa na itaonekana kwenye orodha ya actuators. - ![Relay iliyoundwa](../../../../../translated_images/sw/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![Relay iliyoundwa](../../../../../translated_images/sw/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## Programu ya relay diff --git a/translations/sw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/sw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 82157564f..8a833473e 100644 --- a/translations/sw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/sw/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Hamisha mmea wako kwenye wingu -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-8.3f21f3c11159e6a0.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -46,8 +46,8 @@ Hii ilikuwa ghali sana, ilihitaji wafanyakazi wenye ujuzi mbalimbali, na ilikuwa Wingu mara nyingi hurejelewa kwa utani kama 'kompyuta ya mtu mwingine'. Wazo la awali lilikuwa rahisi - badala ya kununua kompyuta, unakodisha kompyuta ya mtu mwingine. Mtoa huduma wa wingu angeweza kusimamia vituo vikubwa vya data. Wao wangekuwa na jukumu la kununua na kusakinisha vifaa, kusimamia umeme na baridi, mtandao, usalama wa jengo, masasisho ya vifaa na programu, kila kitu. Kama mteja, ungekodisha kompyuta unazohitaji, ukikodisha zaidi wakati mahitaji yanapoongezeka, kisha kupunguza idadi unayokodisha ikiwa mahitaji yanapungua. Vituo hivi vya data vya wingu viko kote ulimwenguni. -![Kituo cha data cha wingu cha Microsoft](../../../../../translated_images/sw/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![Upanuzi uliopangwa wa kituo cha data cha wingu cha Microsoft](../../../../../translated_images/sw/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![Kituo cha data cha wingu cha Microsoft](../../../../../translated_images/sw/azure-region-existing.73f704604f2aa6cb.webp) +![Upanuzi uliopangwa wa kituo cha data cha wingu cha Microsoft](../../../../../translated_images/sw/azure-region-planned-expansion.a5074a1e8af74f15.webp) Vituo hivi vya data vinaweza kuwa na ukubwa wa kilomita za mraba nyingi. Picha zilizo hapo juu zilipigwa miaka michache iliyopita katika kituo cha data cha wingu cha Microsoft, na zinaonyesha ukubwa wa awali, pamoja na upanuzi uliopangwa. Eneo lililoandaliwa kwa ajili ya upanuzi lina zaidi ya kilomita za mraba 5. @@ -108,11 +108,11 @@ Huduma za IoT kwenye wingu hutatua matatizo haya. Zinasimamiwa na watoa huduma w Vifaa vya IoT vinaunganishwa na huduma ya wingu ama kwa kutumia SDK ya kifaa (maktaba inayotoa msimbo wa kufanya kazi na vipengele vya huduma), au moja kwa moja kupitia itifaki ya mawasiliano kama vile MQTT au HTTP. SDK ya kifaa mara nyingi ni njia rahisi zaidi kwani inashughulikia kila kitu kwa niaba yako, kama vile kujua mada za kuchapisha au kujiandikisha, na jinsi ya kushughulikia usalama. -![Vifaa vinaunganishwa na huduma kwa kutumia SDK ya kifaa. Msimbo wa seva pia unaunganishwa na huduma kupitia SDK](../../../../../translated_images/sw/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![Vifaa vinaunganishwa na huduma kwa kutumia SDK ya kifaa. Msimbo wa seva pia unaunganishwa na huduma kupitia SDK](../../../../../translated_images/sw/iot-service-connectivity.7e873847921a5d6f.webp) Kifaa chako kisha huwasiliana na sehemu nyingine za programu yako kupitia huduma hii - sawa na jinsi ulivyotuma telemetry na kupokea amri kupitia MQTT. Hii mara nyingi hufanyika kwa kutumia SDK ya huduma au maktaba kama hiyo. Ujumbe hutoka kwenye kifaa chako kwenda kwenye huduma ambapo sehemu nyingine za programu yako zinaweza kuusoma, na ujumbe unaweza kutumwa kurudi kwenye kifaa chako. -![Vifaa visivyo na ufunguo wa siri halali haviwezi kuunganishwa na huduma ya IoT](../../../../../translated_images/sw/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![Vifaa visivyo na ufunguo wa siri halali haviwezi kuunganishwa na huduma ya IoT](../../../../../translated_images/sw/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) Huduma hizi hutekeleza usalama kwa kujua kuhusu vifaa vyote vinavyoweza kuunganishwa na kutuma data, ama kwa kuwa na vifaa vilivyosajiliwa mapema na huduma, au kwa kuvipa vifaa funguo za siri au vyeti ambavyo vinaweza kutumia kujisajili na huduma mara ya kwanza vinapounganishwa. Vifaa visivyojulikana haviwezi kuunganishwa, vikijaribu huduma hukataa muunganisho na kupuuza ujumbe unaotumwa navyo. @@ -124,7 +124,7 @@ Sehemu nyingine za programu yako zinaweza kuunganishwa na huduma ya IoT na kujif Sasa kwa kuwa una usajili wa Azure, unaweza kujisajili kwa huduma ya IoT. Huduma ya IoT kutoka Microsoft inaitwa Azure IoT Hub. -![Nembo ya Azure IoT Hub](../../../../../translated_images/sw/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Nembo ya Azure IoT Hub](../../../../../translated_images/sw/azure-iot-hub-logo.28a19de76d0a1932.webp) Video hapa chini inatoa muhtasari mfupi wa Azure IoT Hub: diff --git a/translations/sw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/sw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 5e0fb832c..ef9d4a680 100644 --- a/translations/sw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/sw/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # Hamishia mantiki ya programu yako kwenye wingu -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-9.dfe99c8e891f48e1.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa. @@ -28,7 +28,7 @@ Katika somo hili tutashughulikia: Serverless, au kompyuta isiyo na seva, inahusisha kuunda vizuizi vidogo vya msimbo vinavyoendeshwa kwenye wingu kwa kujibu aina tofauti za matukio. Tukio linapotokea, msimbo wako unaendeshwa, na unapokea data kuhusu tukio hilo. Matukio haya yanaweza kutoka kwa vitu vingi tofauti, ikiwa ni pamoja na maombi ya wavuti, ujumbe uliowekwa kwenye foleni, mabadiliko ya data kwenye hifadhidata, au ujumbe uliotumwa kwa huduma ya IoT na vifaa vya IoT. -![Matukio yanayotumwa kutoka kwa huduma ya IoT kwenda kwa huduma isiyo na seva, yote yakichakatwa kwa wakati mmoja na kazi nyingi zinazotendeka](../../../../../translated_images/sw/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![Matukio yanayotumwa kutoka kwa huduma ya IoT kwenda kwa huduma isiyo na seva, yote yakichakatwa kwa wakati mmoja na kazi nyingi zinazotendeka](../../../../../translated_images/sw/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 Ikiwa umewahi kutumia vichocheo vya hifadhidata, unaweza kufikiria hili kama kitu sawa, msimbo unaochochewa na tukio kama kuingiza safu. @@ -54,7 +54,7 @@ Kama msanidi programu wa IoT, mfano wa serverless ni bora. Unaweza kuandika kazi Huduma ya kompyuta isiyo na seva kutoka Microsoft inaitwa Azure Functions. -![Nembo ya Azure Functions](../../../../../translated_images/sw/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Nembo ya Azure Functions](../../../../../translated_images/sw/azure-functions-logo.1cfc8e3204c9c44a.webp) Video fupi hapa chini ina muhtasari wa Azure Functions. diff --git a/translations/sw/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/sw/2-farm/lessons/6-keep-your-plant-secure/README.md index 4095f76cd..aa521d61c 100644 --- a/translations/sw/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/sw/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # Linda mmea wako dhidi ya hatari -![Muhtasari wa somo hili kwa njia ya sketchnote](../../../../../translated_images/sw/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![Muhtasari wa somo hili kwa njia ya sketchnote](../../../../../translated_images/sw/lesson-10.829c86b80b9403bb.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -52,11 +52,11 @@ Hizi ni hali halisi za ulimwengu, na hutokea mara kwa mara. Baadhi ya mifano ili Wakati kifaa kinaunganishwa na huduma ya IoT, kinatumia kitambulisho kutambua chenyewe. Tatizo ni kwamba kitambulisho hiki kinaweza kuigwa - mdukuzi anaweza kuunda kifaa cha uharibifu kinachotumia kitambulisho sawa na kifaa halisi lakini kinatuma data ya uongo. -![Vifaa halali na vya uharibifu vinaweza kutumia kitambulisho sawa kutuma data](../../../../../translated_images/sw/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![Vifaa halali na vya uharibifu vinaweza kutumia kitambulisho sawa kutuma data](../../../../../translated_images/sw/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) Njia ya kuzuia hili ni kubadilisha data inayotumwa kuwa muundo usiosomeka, kwa kutumia thamani fulani inayojulikana tu na kifaa na wingu. Mchakato huu unaitwa *usimbaji fiche*, na thamani inayotumika kusimba data inaitwa *ufunguo wa usimbaji fiche*. -![Ikiwa usimbaji fiche unatumika, basi ujumbe uliofichwa pekee ndio utakubaliwa, wengine watakataliwa](../../../../../translated_images/sw/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![Ikiwa usimbaji fiche unatumika, basi ujumbe uliofichwa pekee ndio utakubaliwa, wengine watakataliwa](../../../../../translated_images/sw/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) Huduma ya wingu inaweza kubadilisha data kuwa muundo unaosomeka tena, kwa kutumia mchakato unaoitwa *ufutaji fiche*, kwa kutumia ufunguo wa usimbaji fiche sawa, au *ufunguo wa ufutaji fiche*. Ikiwa ujumbe uliofichwa hauwezi kufutwa fiche na ufunguo, kifaa kimevamiwa na ujumbe unakataliwa. diff --git a/translations/sw/3-transport/lessons/1-location-tracking/README.md b/translations/sw/3-transport/lessons/1-location-tracking/README.md index 8dc836f94..1319f9c1a 100644 --- a/translations/sw/3-transport/lessons/1-location-tracking/README.md +++ b/translations/sw/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # Ufuatiliaji wa Mahali -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-11.9fddbac4b664c6d5.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa. @@ -63,13 +63,13 @@ Dunia ni duara - mduara wa pande tatu. Kwa sababu ya hili, sehemu hufafanuliwa k > 💁 Hakuna mtu anayejua sababu halisi ya kwa nini miduara hugawanywa katika digrii 360. Ukurasa wa [degree (angle) kwenye Wikipedia](https://wikipedia.org/wiki/Degree_(angle)) unashughulikia baadhi ya sababu zinazowezekana. -![Mistari ya latitudo kutoka 90° kwenye Ncha ya Kaskazini, 45° katikati ya Ncha ya Kaskazini na ikweta, 0° kwenye ikweta, -45° katikati ya ikweta na Ncha ya Kusini, na -90° kwenye Ncha ya Kusini](../../../../../translated_images/sw/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![Mistari ya latitudo kutoka 90° kwenye Ncha ya Kaskazini, 45° katikati ya Ncha ya Kaskazini na ikweta, 0° kwenye ikweta, -45° katikati ya ikweta na Ncha ya Kusini, na -90° kwenye Ncha ya Kusini](../../../../../translated_images/sw/latitude-lines.11d8d91dfb2014a5.webp) Latitudo hupimwa kwa kutumia mistari inayozunguka dunia na kukimbia sambamba na ikweta, ikigawanya Nusu ya Kaskazini na Kusini katika 90° kila moja. Ikweta iko kwenye 0°, Ncha ya Kaskazini iko 90°, pia inajulikana kama 90° Kaskazini, na Ncha ya Kusini iko -90°, au 90° Kusini. Longitudo hupimwa kama idadi ya digrii zinazopimwa mashariki na magharibi. Mwanzo wa 0° wa longitudo unaitwa *Prime Meridian*, na ulifafanuliwa mwaka wa 1884 kuwa mstari kutoka Ncha ya Kaskazini hadi Ncha ya Kusini unaopita kupitia [Royal Observatory ya Uingereza huko Greenwich, England](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich). -![Mistari ya longitudo inayotoka -180° magharibi mwa Prime Meridian, hadi 0° kwenye Prime Meridian, hadi 180° mashariki mwa Prime Meridian](../../../../../translated_images/sw/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![Mistari ya longitudo inayotoka -180° magharibi mwa Prime Meridian, hadi 0° kwenye Prime Meridian, hadi 180° mashariki mwa Prime Meridian](../../../../../translated_images/sw/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 Meridian ni mstari wa kufikirika unaotoka Ncha ya Kaskazini hadi Ncha ya Kusini, ukifanya nusu duara. @@ -100,7 +100,7 @@ Mihimili ya sehemu hutolewa kila mara kama `latitudo, longitudo`, kwa hivyo mfan * Latitudo ya 47.6423109 (47.6423109 digrii kaskazini mwa ikweta) * Longitudo ya -122.1390293 (122.1390293 digrii magharibi mwa Prime Meridian). -![Kampasi ya Microsoft kwenye 47.6423109,-122.117198](../../../../../translated_images/sw/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![Kampasi ya Microsoft kwenye 47.6423109,-122.117198](../../../../../translated_images/sw/microsoft-gps-location-world.a321d481b010f6ad.webp) ## Mfumo wa Uwekaji Mahali Duniani (GPS) @@ -112,7 +112,7 @@ Mifumo ya GPS hufanya kazi kwa kuwa na satelaiti kadhaa zinazotuma ishara na mah > 💁 Sensa za GPS zinahitaji antenna kugundua mawimbi ya redio. Antenna zilizojengwa ndani ya malori na magari yenye GPS ya ndani zimewekwa ili kupata ishara nzuri, kawaida kwenye kioo cha mbele au paa. Ikiwa unatumia mfumo wa GPS tofauti, kama vile simu ya mkononi au kifaa cha IoT, basi unahitaji kuhakikisha kuwa antenna iliyojengwa ndani ya mfumo wa GPS au simu ina mtazamo wazi wa anga, kama vile kuwekwa kwenye kioo cha mbele. -![Kwa kujua umbali kutoka sensa hadi satelaiti nyingi, mahali paweza kuhesabiwa](../../../../../translated_images/sw/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![Kwa kujua umbali kutoka sensa hadi satelaiti nyingi, mahali paweza kuhesabiwa](../../../../../translated_images/sw/gps-satellites.04acf1148fe25fbf.webp) Satelaiti za GPS zinazunguka dunia, si mahali pa kudumu juu ya sensa, kwa hivyo data ya mahali inajumuisha urefu juu ya usawa wa bahari pamoja na latitudo na longitudo. diff --git a/translations/sw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/sw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 25f85efe3..584eff2ad 100644 --- a/translations/sw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/sw/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Kihisi cha Grove GPS kinaweza kuunganishwa na Raspberry Pi. Unganisha kihisi cha GPS. -![Kihisi cha Grove GPS](../../../../../translated_images/sw/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Kihisi cha Grove GPS](../../../../../translated_images/sw/grove-gps-sensor.247943bf69b03f0d.webp) 1. Ingiza upande mmoja wa kebo ya Grove kwenye soketi ya kihisi cha GPS. Itaingia kwa njia moja tu. 1. Ukiwa na Raspberry Pi imezimwa, unganisha upande mwingine wa kebo ya Grove kwenye soketi ya UART iliyoandikwa **UART** kwenye Grove Base hat iliyounganishwa na Pi. Soketi hii iko kwenye safu ya katikati, upande ulio karibu na nafasi ya kadi ya SD, upande mwingine kutoka kwa soketi za USB na ethernet. - ![Kihisi cha Grove GPS kimeunganishwa kwenye soketi ya UART](../../../../../translated_images/sw/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Kihisi cha Grove GPS kimeunganishwa kwenye soketi ya UART](../../../../../translated_images/sw/pi-gps-sensor.1f99ee2b2f652891.webp) 1. Weka kihisi cha GPS ili antena iliyounganishwa iweze kuona anga - ikiwezekana karibu na dirisha lililo wazi au nje. Ni rahisi kupata ishara safi bila kitu chochote kinachozuia antena. diff --git a/translations/sw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/sw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 661cb58e8..475bd6b47 100644 --- a/translations/sw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/sw/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ Ongeza kihisi cha GPS kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kuunda kihisi cha GPS kwenye bandari `/dev/ttyAMA0`. - ![Mipangilio ya kihisi cha GPS](../../../../../translated_images/sw/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![Mipangilio ya kihisi cha GPS](../../../../../translated_images/sw/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) Kihisi cha GPS kitaundwa na kitaonekana kwenye orodha ya vihisi. - ![Kihisi cha GPS kimeundwa](../../../../../translated_images/sw/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![Kihisi cha GPS kimeundwa](../../../../../translated_images/sw/counterfit-gps-sensor.3fbb15af0a536756.webp) ## Programu ya Kihisi cha GPS @@ -102,17 +102,17 @@ Panga programu ya kihisi cha GPS. * Weka **Source** kuwa `Lat/Lon`, na weka latitudo, longitudo, na idadi ya satelaiti zinazotumika kupata GPS fix. Thamani hii itatumwa mara moja tu, kwa hivyo angalia kisanduku cha **Repeat** ili data irudiwe kila sekunde. - ![Kihisi cha GPS kikiwa na lat lon kimechaguliwa](../../../../../translated_images/sw/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![Kihisi cha GPS kikiwa na lat lon kimechaguliwa](../../../../../translated_images/sw/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * Weka **Source** kuwa `NMEA` na ongeza sentensi za NMEA kwenye kisanduku cha maandishi. Thamani hizi zote zitatumwa, na kuchelewa kwa sekunde 1 kabla ya kila sentensi mpya ya GGA (position fix) kusomwa. - ![Kihisi cha GPS kikiwa na sentensi za NMEA zimewekwa](../../../../../translated_images/sw/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![Kihisi cha GPS kikiwa na sentensi za NMEA zimewekwa](../../../../../translated_images/sw/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) Unaweza kutumia zana kama [nmeagen.org](https://www.nmeagen.org) kuzalisha sentensi hizi kwa kuchora kwenye ramani. Thamani hizi zitatumwa mara moja tu, kwa hivyo angalia kisanduku cha **Repeat** ili data irudiwe sekunde moja baada ya yote kutumwa. * Weka **Source** kuwa faili ya GPX, na pakia faili ya GPX yenye maeneo ya njia. Unaweza kupakua faili za GPX kutoka kwa tovuti maarufu za ramani na kupanda mlima, kama [AllTrails](https://www.alltrails.com/). Faili hizi zina maeneo mengi ya GPS kama njia, na kihisi cha GPS kitarudisha kila eneo jipya kwa vipindi vya sekunde 1. - ![Kihisi cha GPS kikiwa na faili ya GPX imewekwa](../../../../../translated_images/sw/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![Kihisi cha GPS kikiwa na faili ya GPX imewekwa](../../../../../translated_images/sw/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) Thamani hizi zitatumwa mara moja tu, kwa hivyo angalia kisanduku cha **Repeat** ili data irudiwe sekunde moja baada ya yote kutumwa. diff --git a/translations/sw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/sw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 955a8732d..b66c4aab5 100644 --- a/translations/sw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/sw/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Kihisi cha Grove GPS kinaweza kuunganishwa na Wio Terminal. Unganisha kihisi cha GPS. -![Kihisi cha Grove GPS](../../../../../translated_images/sw/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Kihisi cha Grove GPS](../../../../../translated_images/sw/grove-gps-sensor.247943bf69b03f0d.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha GPS. Itaingia kwa njia moja tu. diff --git a/translations/sw/3-transport/lessons/2-store-location-data/README.md b/translations/sw/3-transport/lessons/2-store-location-data/README.md index 64677714c..40deda5a0 100644 --- a/translations/sw/3-transport/lessons/2-store-location-data/README.md +++ b/translations/sw/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # Hifadhi data ya eneo -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-12.ca7f53039712a3ec.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa. @@ -75,7 +75,7 @@ Hifadhidata za NoSQL zinaitwa NoSQL kwa sababu hazina muundo thabiti kama hifadh > 💁 Licha ya jina lao, baadhi ya hifadhidata za NoSQL hukuruhusu kutumia SQL kuuliza data. -![Nyaraka kwenye folda kwenye hifadhidata ya NoSQL](../../../../../translated_images/sw/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![Nyaraka kwenye folda kwenye hifadhidata ya NoSQL](../../../../../translated_images/sw/noqsl-database.62d24ccf5b73f60d.webp) Hifadhidata za NoSQL hazina muundo uliowekwa awali unaozuia jinsi data inavyohifadhiwa, badala yake unaweza kuingiza data yoyote isiyopangiliwa, mara nyingi kwa kutumia nyaraka za JSON. Nyaraka hizi zinaweza kupangwa kwenye folda, sawa na faili kwenye kompyuta yako. Kila nyaraka inaweza kuwa na sehemu tofauti na nyaraka nyingine - kwa mfano ikiwa ungehifadhi data ya IoT kutoka kwa magari ya shamba, baadhi yanaweza kuwa na sehemu za data ya kasi na kasi ya kuharakisha, mengine yanaweza kuwa na sehemu za joto kwenye trela. Ikiwa ungeongeza aina mpya ya lori, kama moja lenye mizani ya ndani kufuatilia uzito wa mazao yanayobebwa, basi kifaa chako cha IoT kinaweza kuongeza sehemu hii mpya na inaweza kuhifadhiwa bila mabadiliko yoyote kwenye hifadhidata. @@ -89,7 +89,7 @@ Katika somo hili, utatumia hifadhi ya NoSQL kuhifadhi data ya IoT. Katika somo lililopita ulikamata data ya GPS kutoka kwa sensa ya GPS iliyounganishwa na kifaa chako cha IoT. Ili kuhifadhi data hii ya IoT kwenye wingu, unahitaji kuituma kwa huduma ya IoT. Mara nyingine tena, utatumia Azure IoT Hub, huduma ya wingu ya IoT uliyotumia katika mradi uliopita. -![Kutuma telemetry ya GPS kutoka kwa kifaa cha IoT kwenda IoT Hub](../../../../../translated_images/sw/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![Kutuma telemetry ya GPS kutoka kwa kifaa cha IoT kwenda IoT Hub](../../../../../translated_images/sw/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### Kazi - tuma data ya GPS kwa IoT Hub @@ -171,7 +171,7 @@ Data ya njia ya baridi huhifadhiwa kwenye maghala ya data - hifadhidata zilizoun Mara data inapokuwa inatiririka kwenye IoT Hub yako, unaweza kuandika msimbo usiohitaji seva kusikiliza matukio yanayochapishwa kwenye endpoint inayolingana na Event-Hub. Hii ni njia ya joto - data hii itahifadhiwa na kutumika katika somo linalofuata kwa ripoti ya safari. -![Kutuma telemetry ya GPS kutoka kwa kifaa cha IoT kwenda IoT Hub, kisha kwa Azure Functions kupitia trigger ya event hub](../../../../../translated_images/sw/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![Kutuma telemetry ya GPS kutoka kwa kifaa cha IoT kwenda IoT Hub, kisha kwa Azure Functions kupitia trigger ya event hub](../../../../../translated_images/sw/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### Kazi - shughulikia matukio ya GPS kwa kutumia msimbo usiohitaji seva @@ -193,7 +193,7 @@ Mara data inapokuwa inatiririka kwenye IoT Hub yako, unaweza kuandika msimbo usi ## Akaunti za Hifadhi ya Azure -![Nembo ya Azure Storage](../../../../../translated_images/sw/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Nembo ya Azure Storage](../../../../../translated_images/sw/azure-storage-logo.605c0f602c640d48.webp) Akaunti za Hifadhi ya Azure ni huduma ya hifadhi ya matumizi ya jumla inayoweza kuhifadhi data kwa njia mbalimbali. Unaweza kuhifadhi data kama blobs, kwenye foleni, kwenye meza, au kama faili, na yote kwa wakati mmoja. diff --git a/translations/sw/3-transport/lessons/3-visualize-location-data/README.md b/translations/sw/3-transport/lessons/3-visualize-location-data/README.md index 9247f81f1..86113086c 100644 --- a/translations/sw/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/sw/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # Kuonyesha data ya eneo -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-13.a259db1485021be7.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -64,11 +64,11 @@ Kwa mfano rahisi - katika mradi wa shamba ulirekodi vipimo vya unyevu wa udongo. Kwa binadamu, kuelewa data hiyo inaweza kuwa ngumu. Ni ukuta wa namba bila maana yoyote. Kama hatua ya kwanza ya kuonyesha data hii, inaweza kuchorwa kwenye chati ya mstari: -![Chati ya mstari wa data hapo juu](../../../../../translated_images/sw/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![Chati ya mstari wa data hapo juu](../../../../../translated_images/sw/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) Hii inaweza kuboreshwa zaidi kwa kuongeza mstari unaoonyesha wakati mfumo wa kumwagilia kiotomatiki ulipoanzishwa kwenye usomaji wa unyevu wa udongo wa 450: -![Chati ya mstari wa unyevu wa udongo na mstari kwenye 450](../../../../../translated_images/sw/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![Chati ya mstari wa unyevu wa udongo na mstari kwenye 450](../../../../../translated_images/sw/chart-soil-moisture-relay.fbb391236d34a64d.webp) Chati hii inaonyesha haraka sio tu viwango vya unyevu wa udongo vilivyokuwa, lakini pia alama ambapo mfumo wa kumwagilia ulianzishwa. @@ -84,7 +84,7 @@ Unapofanya kazi na data ya GPS, uwakilishi wa wazi zaidi unaweza kuwa kuonyesha Kufanya kazi na ramani ni zoezi la kuvutia, na kuna nyingi za kuchagua kama Bing Maps, Leaflet, Open Street Maps, na Google Maps. Katika somo hili, utajifunza kuhusu [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) na jinsi zinavyoweza kuonyesha data yako ya GPS. -![Nembo ya Azure Maps](../../../../../translated_images/sw/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Nembo ya Azure Maps](../../../../../translated_images/sw/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps ni "mkusanyiko wa huduma za kijiografia na SDK zinazotumia data mpya ya ramani kutoa muktadha wa kijiografia kwa programu za wavuti na simu." Watengenezaji wanapewa zana za kuunda ramani nzuri, za kuingiliana ambazo zinaweza kufanya mambo kama kutoa njia za trafiki zilizopendekezwa, kutoa taarifa kuhusu matukio ya trafiki, urambazaji wa ndani, uwezo wa kutafuta, taarifa za mwinuko, huduma za hali ya hewa na zaidi. @@ -185,7 +185,7 @@ Sasa unaweza kuchukua hatua inayofuata ambayo ni kuonyesha ramani yako kwenye uk Ikiwa utafungua faili yako ya `index.html` kwenye kivinjari cha wavuti, unapaswa kuona ramani ikipakiwa, na ikilenga eneo la Seattle. - ![Ramani inayoonyesha Seattle, mji katika Jimbo la Washington, Marekani](../../../../../translated_images/sw/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![Ramani inayoonyesha Seattle, mji katika Jimbo la Washington, Marekani](../../../../../translated_images/sw/map-image.8fb2c53eb23ef39c.webp) ✅ Jaribu vigezo vya zoom na center kubadilisha mwonekano wa ramani yako. Unaweza kuongeza viwianishi tofauti vinavyolingana na latitudo na longitudo ya data yako ili kuhamisha ramani. @@ -319,7 +319,7 @@ Ukifanya ombi kwa hifadhi yako ili kufikia data, unaweza kushangaa kuona makosa 1. Pakia ukurasa wa HTML kwenye kivinjari chako. Utapakia ramani, kisha utapakia data yote ya GPS kutoka hifadhi na kuonyesha kwenye ramani. - ![Ramani ya Saint Edward State Park karibu na Seattle, na miduara inayoonyesha njia kuzunguka ukingo wa hifadhi](../../../../../translated_images/sw/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![Ramani ya Saint Edward State Park karibu na Seattle, na miduara inayoonyesha njia kuzunguka ukingo wa hifadhi](../../../../../translated_images/sw/map-path.896832e72dc696ff.webp) > 💁 Unaweza kupata msimbo huu kwenye [code](../../../../../3-transport/lessons/3-visualize-location-data/code) folda. diff --git a/translations/sw/3-transport/lessons/4-geofences/README.md b/translations/sw/3-transport/lessons/4-geofences/README.md index d2f945658..9b7ba4c67 100644 --- a/translations/sw/3-transport/lessons/4-geofences/README.md +++ b/translations/sw/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # Geofences -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-14.63980c5150ae3c15.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -35,7 +35,7 @@ Katika somo hili tutajadili: Geofence ni mpaka wa kielektroniki kwa eneo halisi la kijiografia. Geofences zinaweza kuwa duara lililofafanuliwa kama nukta na radius (kwa mfano duara lenye upana wa 100m karibu na jengo), au poligoni inayofunika eneo kama eneo la shule, mipaka ya jiji, au kampasi ya chuo kikuu au ofisi. -![Mifano ya geofence inayoonyesha geofence ya duara karibu na duka la kampuni ya Microsoft, na geofence ya poligoni karibu na kampasi ya magharibi ya Microsoft](../../../../../translated_images/sw/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![Mifano ya geofence inayoonyesha geofence ya duara karibu na duka la kampuni ya Microsoft, na geofence ya poligoni karibu na kampasi ya magharibi ya Microsoft](../../../../../translated_images/sw/geofence-examples.172fbc534665769f.webp) > 💁 Huenda tayari umetumia geofences bila kujua. Ikiwa umewahi kuweka kikumbusho kwa kutumia programu ya iOS reminders au Google Keep kulingana na eneo, umeshatumia geofence. Programu hizi huweka geofence kulingana na eneo lililotolewa na kukuarifu simu yako inapoingia kwenye geofence. @@ -212,7 +212,7 @@ Ni muhimu kujua umbali hadi ukingo wa geofence, na kuunganisha hii na taarifa ny Kwa mfano, fikiria maelezo ya GPS yanayoonyesha gari lilikuwa linaendesha barabara inayomalizika karibu na geofence. Ikiwa thamani moja ya GPS si sahihi na inaweka gari ndani ya geofence, licha ya kutokuwepo kwa ufikiaji wa gari, basi inaweza kupuuzwa. -![Njia ya GPS inayoonyesha gari likipita kampasi ya Microsoft kwenye 520, na maelezo ya GPS kando ya barabara isipokuwa moja kwenye kampasi, ndani ya geofence](../../../../../translated_images/sw/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![Njia ya GPS inayoonyesha gari likipita kampasi ya Microsoft kwenye 520, na maelezo ya GPS kando ya barabara isipokuwa moja kwenye kampasi, ndani ya geofence](../../../../../translated_images/sw/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) Katika picha hapo juu, kuna geofence juu ya sehemu ya kampasi ya Microsoft. Mstari mwekundu unaonyesha lori likiendeshwa kando ya barabara ya 520, na duara zinaonyesha vipimo vya GPS. Vipimo vingi ni sahihi na viko kando ya barabara ya 520, lakini kuna kipimo kimoja kisicho sahihi ndani ya geofence. Haiwezekani kipimo hicho kuwa sahihi - hakuna barabara kwa lori kubadilisha ghafla kutoka barabara ya 520 kwenda kampasi, kisha kurudi tena kwenye barabara ya 520. Msimbo unaochunguza geofence hii utahitaji kuzingatia vipimo vya awali kabla ya kuchukua hatua kulingana na matokeo ya jaribio la geofence. ✅ Ni data gani ya ziada unayohitaji kuangalia ili kuthibitisha kama kipimo cha GPS kinaweza kuchukuliwa kuwa sahihi? @@ -284,7 +284,7 @@ Kama unavyokumbuka kutoka masomo ya awali, IoT Hub itakuruhusu kurudia matukio a Jibu ni kwamba haiwezi! Badala yake unaweza kufafanua miunganisho tofauti kusoma matukio, na kila moja inaweza kudhibiti kurudia kwa ujumbe ambao haujasomwa. Hizi zinaitwa *vikundi vya watumiaji*. Unapounganisha kwenye endpoint, unaweza kubainisha ni kikundi gani cha watumiaji unataka kuunganishwa nacho. Kila sehemu ya programu yako itaunganishwa na kikundi tofauti cha watumiaji. -![IoT Hub moja na vikundi 3 vya watumiaji vinavyosambaza ujumbe sawa kwa programu 3 tofauti za Functions](../../../../../translated_images/sw/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![IoT Hub moja na vikundi 3 vya watumiaji vinavyosambaza ujumbe sawa kwa programu 3 tofauti za Functions](../../../../../translated_images/sw/consumer-groups.a3262e26fc27ba20.webp) Kwa nadharia, hadi programu 5 zinaweza kuunganishwa kwa kila kikundi cha watumiaji, na zote zitapokea ujumbe unapowasili. Ni bora kuwa na programu moja tu inayopata kila kikundi cha watumiaji ili kuepuka uchakataji wa ujumbe mara mbili, na kuhakikisha unapowasha tena ujumbe wote ulio kwenye foleni unachakatwa kwa usahihi. Kwa mfano, ikiwa ulizindua programu yako ya Functions kwa ndani pamoja na kuiendesha kwenye wingu, zote mbili zingechakata ujumbe, na kusababisha blobs maradufu kuhifadhiwa kwenye akaunti ya hifadhi. diff --git a/translations/sw/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/sw/4-manufacturing/lessons/1-train-fruit-detector/README.md index 534c07c31..9fc378285 100644 --- a/translations/sw/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/sw/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # Kufundisha Kifaa cha Kugundua Ubora wa Matunda -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-15.843d21afdc6fb2bb.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -38,7 +38,7 @@ Sio mazao yote yanayokomaa kwa wakati mmoja. Kwa mfano, nyanya zinaweza kuwa na Kuongezeka kwa uvunaji wa kiotomatiki kulihamisha kazi ya kuchagua mazao kutoka shambani hadi kiwandani. Chakula kingesafirishwa kwenye mikanda mirefu ya kusafirisha na timu za watu wakichagua mazao na kuondoa yale ambayo hayakufikia viwango vya ubora vinavyohitajika. Kuvuna kulikuwa nafuu kutokana na mashine, lakini bado kulikuwa na gharama ya kuchagua chakula kwa mikono. -![Ikiwa nyanya nyekundu inatambuliwa, inaendelea na safari yake bila kusumbuliwa. Ikiwa nyanya ya kijani inatambuliwa, inasukumwa kwenye pipa la taka kwa kutumia lever](../../../../../translated_images/sw/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![Ikiwa nyanya nyekundu inatambuliwa, inaendelea na safari yake bila kusumbuliwa. Ikiwa nyanya ya kijani inatambuliwa, inasukumwa kwenye pipa la taka kwa kutumia lever](../../../../../translated_images/sw/optical-tomato-sorting.61aa134bdda4e5b1.webp) Mageuzi yaliyofuata yalikuwa kutumia mashine kuchagua, ama ndani ya mashine ya kuvuna, au kwenye viwanda vya usindikaji. Kizazi cha kwanza cha mashine hizi kilitumia sensa za macho kutambua rangi, zikidhibiti vifaa vya kusukuma nyanya za kijani kwenye pipa la taka kwa kutumia lever au pigo la hewa, na kuacha nyanya nyekundu zikiendelea kwenye mtandao wa mikanda ya kusafirisha. @@ -62,7 +62,7 @@ Kwa mfano, unaweza kumpa mfano mamilioni ya picha za ndizi ambazo hazijakomaa ka > 🎓 Matokeo ya miundo ya ML huitwa *utabiri* -![Ndizi 2, moja iliyokomaa na utabiri wa 99.7% imekomaa, 0.3% haijakomaa, na moja haijakomaa na utabiri wa 1.4% imekomaa, 98.6% haijakomaa](../../../../../translated_images/sw/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![Ndizi 2, moja iliyokomaa na utabiri wa 99.7% imekomaa, 0.3% haijakomaa, na moja haijakomaa na utabiri wa 1.4% imekomaa, 98.6% haijakomaa](../../../../../translated_images/sw/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) Miundo ya ML haitoi jibu la moja kwa moja, badala yake inatoa uwezekano. Kwa mfano, mfano unaweza kupewa picha ya ndizi na kutabiri `imekomaa` kwa 99.7% na `haijakomaa` kwa 0.3%. Kisha msimbo wako utachagua utabiri bora na kuamua kuwa ndizi imekomaa. @@ -90,7 +90,7 @@ Kuna zana mbalimbali zinazoweza kukusaidia kufanya hivi, ikiwa ni pamoja na hudu Custom Vision ni zana ya wingu kwa ajili ya kufundisha vifaa vya uainishaji wa picha. Inakuruhusu kufundisha kifaa cha uainishaji kwa kutumia idadi ndogo ya picha. Unaweza kupakia picha kupitia portal ya wavuti, API ya wavuti au SDK, ukitoa kila picha *lebo* inayowakilisha uainishaji wa picha hiyo. Kisha unafundisha mfano, na kuujaribu kuona jinsi unavyofanya kazi. Mara unapokuwa na uhakika na mfano huo, unaweza kuchapisha matoleo yake ambayo yanaweza kufikiwa kupitia API ya wavuti au SDK. -![Nembo ya Azure Custom Vision](../../../../../translated_images/sw/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Nembo ya Azure Custom Vision](../../../../../translated_images/sw/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 Unaweza kufundisha mfano wa Custom Vision kwa picha 5 tu kwa kila uainishaji, lakini zaidi ni bora. Unaweza kupata matokeo bora zaidi ukiwa na angalau picha 30. @@ -146,7 +146,7 @@ Ili kutumia Custom Vision, unahitaji kwanza kuunda rasilimali mbili za cognitive Unapounda mradi wako, hakikisha unatumia rasilimali ya `fruit-quality-detector-training` uliyounda awali. Tumia aina ya mradi wa *Classification*, aina ya uainishaji wa *Multiclass*, na kikoa cha *Food*. - ![Mipangilio ya mradi wa Custom Vision ikiwa na jina limewekwa kuwa fruit-quality-detector, hakuna maelezo, rasilimali imewekwa kuwa fruit-quality-detector-training, aina ya mradi imewekwa kuwa classification, aina za uainishaji zimewekwa kuwa multi class na kikoa kimewekwa kuwa food](../../../../../translated_images/sw/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Mipangilio ya mradi wa Custom Vision ikiwa na jina limewekwa kuwa fruit-quality-detector, hakuna maelezo, rasilimali imewekwa kuwa fruit-quality-detector-training, aina ya mradi imewekwa kuwa classification, aina za uainishaji zimewekwa kuwa multi class na kikoa kimewekwa kuwa food](../../../../../translated_images/sw/custom-vision-create-project.cf46325b92d8b131.webp) ✅ Chukua muda kuchunguza UI ya Custom Vision kwa kifaa chako cha uainishaji wa picha. @@ -164,7 +164,7 @@ Watambuzi wa picha hufanya kazi kwa azimio la chini sana. Kwa mfano, Custom Visi * Ukitumia ndizi 2 zilizoiva, piga picha za kila moja kutoka pembe tofauti, ukipiga angalau picha 7 (5 za mafunzo, 2 za majaribio), lakini bora zaidi ikiwa nyingi. - ![Picha za ndizi 2 tofauti](../../../../../translated_images/sw/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![Picha za ndizi 2 tofauti](../../../../../translated_images/sw/banana-training-images.530eb203346d73bc.webp) * Rudia mchakato huo huo ukitumia ndizi 2 ambazo hazijaiva. @@ -174,7 +174,7 @@ Watambuzi wa picha hufanya kazi kwa azimio la chini sana. Kwa mfano, Custom Visi 1. Fuata [sehemu ya kupakia na kuweka lebo picha ya kuunda mtambuzi haraka kwenye Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) ili kupakia picha zako za mafunzo. Weka lebo ya matunda yaliyoiva kama `ripe`, na matunda yasiyoiva kama `unripe`. - ![Dialogi za kupakia zinazoonyesha kupakia picha za ndizi zilizoiva na ambazo hazijaiva](../../../../../translated_images/sw/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![Dialogi za kupakia zinazoonyesha kupakia picha za ndizi zilizoiva na ambazo hazijaiva](../../../../../translated_images/sw/image-upload-bananas.0751639f3815e0ec.webp) 1. Fuata [sehemu ya kufundisha mtambuzi ya kuunda mtambuzi haraka kwenye Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) ili kufundisha mtambuzi wa picha kwa kutumia picha zako zilizopakiwa. @@ -192,7 +192,7 @@ Baada ya mtambuzi wako kufundishwa, unaweza kuujaribu kwa kumpa picha mpya ili k 1. Fuata [maelezo ya kujaribu modeli yako kwenye Microsoft docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) ili kujaribu mtambuzi wako wa picha. Tumia picha za majaribio ulizotengeneza awali, si picha zozote ulizotumia kwa mafunzo. - ![Ndizi ambayo haijaiva imetabiriwa kuwa haijaiva kwa uwezekano wa 98.9%, na kuwa imeiva kwa uwezekano wa 1.1%](../../../../../translated_images/sw/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![Ndizi ambayo haijaiva imetabiriwa kuwa haijaiva kwa uwezekano wa 98.9%, na kuwa imeiva kwa uwezekano wa 1.1%](../../../../../translated_images/sw/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. Jaribu picha zote za majaribio ulizonazo na angalia uwezekano. diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/README.md index 0c2a02e6f..1fed15b02 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # Angalia Ubora wa Matunda Kutoka Kifaa cha IoT -![Muhtasari wa somo hili kwa njia ya mchoro](../../../../../translated_images/sw/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![Muhtasari wa somo hili kwa njia ya mchoro](../../../../../translated_images/sw/lesson-16.215daf18b00631fb.webp) > Mchoro na [Nitya Narasimhan](https://github.com/nitya). Bonyeza picha kwa toleo kubwa. @@ -26,7 +26,7 @@ Katika somo hili tutajadili: Vihisi vya kamera, kama jina linavyopendekeza, ni kamera ambazo unaweza kuunganisha kwenye kifaa chako cha IoT. Zinaweza kunasa picha za kawaida, au kurekodi video inayoendelea. Baadhi zitarudisha data ghafi ya picha, wakati nyingine zitakandamiza data hiyo kuwa faili la picha kama JPEG au PNG. Kwa kawaida, kamera zinazofanya kazi na vifaa vya IoT ni ndogo zaidi na zina azimio la chini ukilinganisha na zile ulizozoea, lakini unaweza kupata kamera zenye azimio la juu zinazolingana na simu za hali ya juu. Unaweza pia kupata lenzi zinazobadilishika, mipangilio ya kamera nyingi, kamera za joto za infraredi, au kamera za miale ya UV. -![Mwanga kutoka eneo fulani unapita kwenye lenzi na kuelekezwa kwenye kihisi cha CMOS](../../../../../translated_images/sw/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![Mwanga kutoka eneo fulani unapita kwenye lenzi na kuelekezwa kwenye kihisi cha CMOS](../../../../../translated_images/sw/cmos-sensor.75f9cd74decb1371.webp) Vihisi vingi vya kamera hutumia vihisi vya picha ambapo kila pikseli ni fotodiode. Lenzi huweka picha kwenye kihisi cha picha, na maelfu au mamilioni ya fotodiode hugundua mwanga unaoangukia kila moja, na kurekodi hiyo kama data ya pikseli. @@ -74,7 +74,7 @@ Mizunguko huchapishwa kutoka kwenye lango la Custom Vision. 1. Chagua kitufe cha **Chapisha** kwa mzunguko huo. - ![Kitufe cha kuchapisha](../../../../../translated_images/sw/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![Kitufe cha kuchapisha](../../../../../translated_images/sw/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. Katika kisanduku cha mazungumzo cha *Chapisha Mfano*, weka *Rasilimali ya Utabiri* kuwa rasilimali ya `fruit-quality-detector-prediction` uliyounda katika somo lililopita. Acha jina liwe `Iteration2`, na uchague kitufe cha **Chapisha**. @@ -88,7 +88,7 @@ Mizunguko huchapishwa kutoka kwenye lango la Custom Vision. Pia chukua nakala ya thamani ya *Ufunguo wa Utabiri*. Huu ni ufunguo wa usalama ambao lazima upitishwe unapokuita mfano. Ni programu tu zinazopitisha ufunguo huu ndizo zinaruhusiwa kutumia mfano, programu nyingine zote zinakataliwa. - ![Kisanduku cha mazungumzo cha API ya utabiri kinachoonyesha URL na ufunguo](../../../../../translated_images/sw/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Kisanduku cha mazungumzo cha API ya utabiri kinachoonyesha URL na ufunguo](../../../../../translated_images/sw/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Wakati mzunguko mpya unachapishwa, utakuwa na jina tofauti. Unafikiri ungewezaje kubadilisha mzunguko unaotumiwa na kifaa cha IoT? @@ -109,7 +109,7 @@ Huenda ukagundua kuwa matokeo unayopata unapoitumia kamera iliyounganishwa kweny Ili kupata matokeo bora kwa kichanganuzi cha picha, unataka kufundisha mfano kwa picha zinazofanana zaidi na picha zinazotumiwa kwa utabiri. Ikiwa ulitumia kamera ya simu yako kunasa picha za mafunzo, kwa mfano, ubora wa picha, ukali, na rangi zitakuwa tofauti na kamera iliyounganishwa kwenye kifaa cha IoT. -![Picha 2 za ndizi, moja ya azimio la chini na mwanga duni kutoka kifaa cha IoT, na nyingine ya azimio la juu na mwanga mzuri kutoka simu](../../../../../translated_images/sw/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![Picha 2 za ndizi, moja ya azimio la chini na mwanga duni kutoka kifaa cha IoT, na nyingine ya azimio la juu na mwanga mzuri kutoka simu](../../../../../translated_images/sw/banana-picture-compare.174df164dc326a42.webp) Katika picha hapo juu, picha ya ndizi upande wa kushoto ilichukuliwa kwa kutumia Kamera ya Raspberry Pi, ile ya kulia ilichukuliwa ya ndizi hiyo hiyo katika eneo lile lile kwa kutumia iPhone. Kuna tofauti kubwa ya ubora - picha ya iPhone ni kali zaidi, yenye rangi angavu na utofauti mkubwa. diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index 36cc45e0c..556c84a25 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ Kamera inaweza kuunganishwa na Raspberry Pi kwa kutumia kebo ya ribbon. ### Kazi - unganisha kamera -![Kamera ya Raspberry Pi](../../../../../translated_images/sw/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![Kamera ya Raspberry Pi](../../../../../translated_images/sw/pi-camera-module.4278753c31bd6e75.webp) 1. Zima Pi. @@ -24,17 +24,17 @@ Kamera inaweza kuunganishwa na Raspberry Pi kwa kutumia kebo ya ribbon. Unaweza kupata uhuishaji unaoonyesha jinsi ya kufungua kipande na kuingiza kebo kwenye [Raspberry Pi Getting Started with the Camera module documentation](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2). - ![Kebo ya ribbon imeingizwa kwenye moduli ya kamera](../../../../../translated_images/sw/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![Kebo ya ribbon imeingizwa kwenye moduli ya kamera](../../../../../translated_images/sw/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. Ondoa Grove Base Hat kutoka Pi. 1. Pitisha kebo ya ribbon kupitia nafasi ya kamera kwenye Grove Base Hat. Hakikisha upande wa bluu wa kebo unakabili bandari za analog zilizoandikwa **A0**, **A1** nk. - ![Kebo ya ribbon ikipitia Grove Base Hat](../../../../../translated_images/sw/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![Kebo ya ribbon ikipitia Grove Base Hat](../../../../../translated_images/sw/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. Ingiza kebo ya ribbon kwenye soketi ya kamera kwenye Pi. Tena, vuta kipande cha plastiki cheusi juu, ingiza kebo, kisha sukuma kipande kurudi mahali pake. Upande wa bluu wa kebo unapaswa kuelekea bandari za USB na ethernet. - ![Kebo ya ribbon imeunganishwa kwenye soketi ya kamera kwenye Pi](../../../../../translated_images/sw/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![Kebo ya ribbon imeunganishwa kwenye soketi ya kamera kwenye Pi](../../../../../translated_images/sw/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. Rudisha Grove Base Hat. @@ -101,7 +101,7 @@ Panga kifaa. Mstari wa `camera.rotation = 0` huweka mzunguko wa picha. Kebo ya ribbon huingia chini ya kamera, lakini ikiwa kamera yako imezungushwa ili kuruhusu iwe rahisi kuelekea kipengee unachotaka kuainisha, basi unaweza kubadilisha mstari huu kwa idadi ya digrii za mzunguko. - ![Kamera ikining'inia juu ya kopo la kinywaji](../../../../../translated_images/sw/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![Kamera ikining'inia juu ya kopo la kinywaji](../../../../../translated_images/sw/pi-camera-upside-down.5376961ba3145988.webp) Kwa mfano, ikiwa utaweka kebo ya ribbon juu ya kitu ili iwe juu ya kamera, basi weka mzunguko kuwa 180: diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 386ac9262..3e18cc882 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Huduma ya Custom Vision ina Python SDK unayoweza kutumia kutambua picha. Utaweza kuona picha iliyopigwa, na maadili haya katika tab ya **Predictions** kwenye Custom Vision. - ![Ndizi katika Custom Vision imetabiriwa kuwa imeiva kwa 56.8% na haijaiva kwa 43.1%](../../../../../translated_images/sw/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Ndizi katika Custom Vision imetabiriwa kuwa imeiva kwa 56.8% na haijaiva kwa 43.1%](../../../../../translated_images/sw/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Unaweza kupata msimbo huu katika folda ya [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) au [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device). diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 58f681798..fc091499b 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ Ongeza Kamera kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kuunda kamera. - ![Mipangilio ya kamera](../../../../../translated_images/sw/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![Mipangilio ya kamera](../../../../../translated_images/sw/counterfit-create-camera.a5de97f59c0bd3cb.webp) Kamera itaundwa na itaonekana kwenye orodha ya vihisi. - ![Kamera iliyoundwa](../../../../../translated_images/sw/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![Kamera iliyoundwa](../../../../../translated_images/sw/counterfit-camera.001ec52194c8ee5d.webp) ## Programu ya Kamera @@ -103,7 +103,7 @@ Panga kifaa. 1. Sanidi picha ambayo kamera kwenye CounterFit itapiga. Unaweza kuweka *Source* kuwa *File*, kisha kupakia faili ya picha, au kuweka *Source* kuwa *WebCam*, na picha zitapigwa kutoka kwenye kamera yako ya wavuti. Hakikisha unachagua kitufe cha **Set** baada ya kuchagua picha au kuchagua kamera yako ya wavuti. - ![CounterFit ikiwa na faili iliyowekwa kama chanzo cha picha, na kamera ya wavuti ikionyesha mtu anayeshikilia ndizi kwenye hakikisho la kamera ya wavuti](../../../../../translated_images/sw/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit ikiwa na faili iliyowekwa kama chanzo cha picha, na kamera ya wavuti ikionyesha mtu anayeshikilia ndizi kwenye hakikisho la kamera ya wavuti](../../../../../translated_images/sw/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. Picha itapigwa na kuhifadhiwa kama `image.jpg` kwenye folda ya sasa. Utaona faili hii kwenye kivinjari cha VS Code. Chagua faili ili kuona picha. Ikiwa inahitaji kuzungushwa, sasisha mstari wa `camera.rotation = 0` kama inavyohitajika na piga picha nyingine. diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 07622ca08..94f9d95f4 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam haina soketi ya Grove, badala yake inaunganishwa kwenye mabasi ya SPI na Unganisha kamera. -![Kihisi cha ArduCam](../../../../../translated_images/sw/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![Kihisi cha ArduCam](../../../../../translated_images/sw/arducam.20e4e4cbb2682965.webp) 1. Pini kwenye msingi wa ArduCam zinahitaji kuunganishwa kwenye pini za GPIO za Wio Terminal. Ili iwe rahisi kupata pini sahihi, weka stika ya pini ya GPIO inayokuja na Wio Terminal kuzunguka pini: @@ -35,7 +35,7 @@ Unganisha kamera. | SDA | 3 (I2C1_SDA) | I2C Data ya Serial | | SCL | 5 (I2C1_SCL) | I2C Saa ya Serial | - ![Wio Terminal ikiwa imeunganishwa na ArduCam kwa nyaya za kuruka](../../../../../translated_images/sw/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal ikiwa imeunganishwa na ArduCam kwa nyaya za kuruka](../../../../../translated_images/sw/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) Muunganisho wa GND na VCC hutoa umeme wa 5V kwa ArduCam. Inafanya kazi kwa 5V, tofauti na vihisi vya Grove vinavyofanya kazi kwa 3V. Umeme huu unatoka moja kwa moja kwenye muunganisho wa USB-C unaotoa nguvu kwa kifaa. @@ -456,7 +456,7 @@ Wio Terminal inasaidia tu kadi ndogo za SD zenye ukubwa wa hadi 16GB. Ikiwa una 1. Zima kadi ndogo ya SD na uitoe kwa kuisukuma kidogo na kuachilia, na itatoka. Unaweza kuhitaji kutumia chombo chembamba kufanya hivyo. Unganisha kadi ndogo ya SD kwenye kompyuta yako ili kuona picha. - ![Picha ya ndizi iliyopigwa kwa kutumia ArduCam](../../../../../translated_images/sw/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![Picha ya ndizi iliyopigwa kwa kutumia ArduCam](../../../../../translated_images/sw/banana-arducam.be1b32d4267a8194.webp) 💁 Inaweza kuchukua picha chache kwa kamera kurekebisha usawa wa rangi yake. Utatambua hili kulingana na rangi ya picha zilizopigwa, picha za kwanza chache zinaweza kuonekana kuwa na rangi isiyo sahihi. Daima unaweza kulitatua hili kwa kubadilisha msimbo ili kupiga picha chache ambazo hazizingatiwi katika kazi ya `setup`. diff --git a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 3093fe891..3ebce383d 100644 --- a/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/sw/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Vyeti hivi vina funguo za umma, na havihitaji kuhifadhiwa kwa usalama. Unaweza k Utaweza kuona picha iliyochukuliwa, na maadili haya katika kichupo cha **Predictions** kwenye Custom Vision. - ![Ndizi katika Custom Vision iliyotabiriwa kuwa imeiva kwa 56.8% na haijaiva kwa 43.1%](../../../../../translated_images/sw/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Ndizi katika Custom Vision iliyotabiriwa kuwa imeiva kwa 56.8% na haijaiva kwa 43.1%](../../../../../translated_images/sw/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 Unaweza kupata msimbo huu katika folda ya [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal). diff --git a/translations/sw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/sw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index a57a09c2c..5feafbcb6 100644 --- a/translations/sw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/sw/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # Endesha kifaa chako cha kugundua matunda kwenye ukingo -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-17.bc333c3c35ba8e42.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa. @@ -33,11 +33,11 @@ Katika somo hili tutashughulikia: Kompyuta ya ukingo inahusisha kuwa na kompyuta zinazochakata data ya IoT karibu iwezekanavyo na mahali ambapo data inazalishwa. Badala ya kuchakata hii kwenye wingu, inahamishwa kwenye ukingo wa wingu - mtandao wako wa ndani. -![Mchoro wa usanifu unaonyesha huduma za mtandao kwenye wingu na vifaa vya IoT kwenye mtandao wa ndani](../../../../../translated_images/sw/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![Mchoro wa usanifu unaonyesha huduma za mtandao kwenye wingu na vifaa vya IoT kwenye mtandao wa ndani](../../../../../translated_images/sw/cloud-without-edge.b4da641f6022c95e.webp) Katika masomo yaliyopita, umekuwa na vifaa vinavyokusanya data na kutuma data kwenye wingu ili kuchambuliwa, kuendesha kazi zisizo na seva au mifano ya AI kwenye wingu. -![Mchoro wa usanifu unaonyesha vifaa vya IoT kwenye mtandao wa ndani vikijumuika na vifaa vya ukingo, na vifaa hivyo vya ukingo vikijumuika na wingu](../../../../../translated_images/sw/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![Mchoro wa usanifu unaonyesha vifaa vya IoT kwenye mtandao wa ndani vikijumuika na vifaa vya ukingo, na vifaa hivyo vya ukingo vikijumuika na wingu](../../../../../translated_images/sw/cloud-with-edge.1e26462c62c126fe.webp) Kompyuta ya ukingo inahusisha kuhamisha baadhi ya huduma za wingu kutoka wingu na kuziweka kwenye kompyuta zinazofanya kazi kwenye mtandao sawa na vifaa vya IoT, zikijumuika na wingu pale tu inapohitajika. Kwa mfano, unaweza kuendesha mifano ya AI kwenye vifaa vya ukingo kuchambua ukomavu wa matunda, na kutuma tu uchambuzi kwenye wingu, kama idadi ya matunda yaliyoiva dhidi ya yasiyoiva. @@ -85,7 +85,7 @@ Kwa mifumo ya IoT, mara nyingi utataka mchanganyiko wa kompyuta ya wingu na ukin ## Azure IoT Edge -![Nembo ya Azure IoT Edge](../../../../../translated_images/sw/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Nembo ya Azure IoT Edge](../../../../../translated_images/sw/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge ni huduma inayoweza kukusaidia kuhamisha kazi kutoka wingu kwenda ukingo. Unaweka kifaa kama kifaa cha ukingo, na kutoka wingu unaweza kupeleka msimbo kwenye kifaa hicho cha ukingo. Hii inakuruhusu kuchanganya uwezo wa wingu na ukingo. @@ -99,7 +99,7 @@ IoT Edge imejengwa ndani ya IoT Hub, kwa hivyo unaweza kudhibiti vifaa vya uking IoT Edge inaendesha msimbo kutoka *kontena* - programu zilizojitegemea zinazofanya kazi kwa kujitenga na programu nyingine kwenye kompyuta yako. Unapoendesha kontena, linafanya kazi kama kompyuta tofauti inayofanya kazi ndani ya kompyuta yako, ikiwa na programu, huduma, na programu zake zinazofanya kazi. Mara nyingi kontena haziwezi kufikia chochote kwenye kompyuta yako isipokuwa uchague kushiriki vitu kama folda na kontena. Kontena kisha hufichua huduma kupitia mlango wazi ambao unaweza kuunganisha au kufichua kwenye mtandao wako. -![Ombi la wavuti likielekezwa kwenye kontena](../../../../../translated_images/sw/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![Ombi la wavuti likielekezwa kwenye kontena](../../../../../translated_images/sw/container-web-browser.4ee81dd4f0d8838c.webp) Kwa mfano, unaweza kuwa na kontena lenye tovuti inayofanya kazi kwenye mlango 80, mlango wa kawaida wa HTTP, na unaweza kisha kufichua kutoka kwa kompyuta yako pia kwenye mlango 80. @@ -196,11 +196,11 @@ Baada ya modeli kufundishwa, inahitaji kuhamishwa kama kontena. ## Andaa kontena lako kwa ajili ya kupelekwa -![Kontena zinajengwa kisha kusukumwa kwenye container registry, kisha kupelekwa kutoka container registry hadi kifaa cha edge kwa kutumia IoT Edge](../../../../../translated_images/sw/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![Kontena zinajengwa kisha kusukumwa kwenye container registry, kisha kupelekwa kutoka container registry hadi kifaa cha edge kwa kutumia IoT Edge](../../../../../translated_images/sw/container-edge-flow.c246050dd60ceefd.webp) Baada ya kupakua modeli yako, inahitaji kujengwa kuwa kontena, kisha kusukumwa kwenye container registry - eneo la mtandaoni ambapo unaweza kuhifadhi kontena. IoT Edge inaweza kisha kupakua kontena kutoka kwenye registry na kulisukuma kwenye kifaa chako. -![Nembo ya Azure Container Registry](../../../../../translated_images/sw/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Nembo ya Azure Container Registry](../../../../../translated_images/sw/azure-container-registry-logo.09494206991d4b29.webp) Container registry utakayotumia kwa somo hili ni Azure Container Registry. Huduma hii si ya bure, kwa hivyo ili kuokoa pesa hakikisha unafanya [usafi wa mradi wako](../../../clean-up.md) mara tu unapomaliza. diff --git a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index cbe2781b7..570568c28 100644 --- a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # Kuchochea Utambuzi wa Ubora wa Matunda Kutoka kwa Kihisi -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-18.92c32ed1d354caa5.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -39,7 +39,7 @@ Programu za IoT zinaweza kuelezewa kama *vitu* (vifaa) vinavyotuma data inayozal ### Usanifu wa Marejeleo wa IoT -![Usanifu wa marejeleo wa IoT](../../../../../translated_images/sw/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![Usanifu wa marejeleo wa IoT](../../../../../translated_images/sw/iot-reference-architecture.2278b98b55c6d4e8.webp) Mchoro hapo juu unaonyesha usanifu wa marejeleo wa IoT. @@ -49,7 +49,7 @@ Mchoro hapo juu unaonyesha usanifu wa marejeleo wa IoT. * **Ufahamu** hutoka kwa programu zisizo na seva, au kutoka kwa uchambuzi unaofanywa kwenye data iliyohifadhiwa. * **Vitendo** vinaweza kuwa amri zinazotumwa kwa vifaa, au vielelezo vya data vinavyoruhusu binadamu kufanya maamuzi. -![Usanifu wa marejeleo wa IoT](../../../../../translated_images/sw/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![Usanifu wa marejeleo wa IoT](../../../../../translated_images/sw/iot-reference-architecture-azure.0b8d2161af924cb1.webp) Mchoro hapo juu unaonyesha baadhi ya vipengele na huduma zilizoshughulikiwa hadi sasa katika masomo haya na jinsi zinavyounganishwa katika usanifu wa marejeleo wa IoT. @@ -89,7 +89,7 @@ Unahitaji kujenga mfumo ambapo matunda hugunduliwa yanapowasili kwenye mkanda wa ### Kutengeneza Mfano wa Programu Yako -![Usanifu wa marejeleo wa IoT kwa ukaguzi wa ubora wa matunda](../../../../../translated_images/sw/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![Usanifu wa marejeleo wa IoT kwa ukaguzi wa ubora wa matunda](../../../../../translated_images/sw/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) Mchoro hapo juu unaonyesha usanifu wa marejeleo kwa programu hii ya mfano. @@ -124,7 +124,7 @@ Fanya kazi kupitia mwongozo husika kutumia kihisi cha ukaribu kugundua kitu kwa Mfano wa kigunduzi cha matunda una vipengele vingi vinavyowasiliana. -![Vipengele vinavyowasiliana](../../../../../translated_images/sw/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![Vipengele vinavyowasiliana](../../../../../translated_images/sw/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * Kihisi cha ukaribu kinachopima umbali hadi kwenye tunda na kutuma hii kwa IoT Hub * Amri ya kudhibiti kamera inayotoka kwa IoT Hub kwenda kwenye kifaa cha kamera diff --git a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 8987a6af9..611714551 100644 --- a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Kihisi cha Grove Time of Flight kinaweza kuunganishwa na Raspberry Pi. Unganisha kihisi cha Time of Flight. -![Kihisi cha Grove Time of Flight](../../../../../translated_images/sw/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Kihisi cha Grove Time of Flight](../../../../../translated_images/sw/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha Time of Flight. Itaingia kwa njia moja tu. diff --git a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index d94133f69..373fa70c6 100644 --- a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ Ongeza kihisi cha umbali kwenye programu ya CounterFit. 1. Chagua kitufe cha **Add** ili kuunda kihisi cha umbali. - ![Mipangilio ya kihisi cha umbali](../../../../../translated_images/sw/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![Mipangilio ya kihisi cha umbali](../../../../../translated_images/sw/counterfit-create-distance-sensor.967c9fb98f27888d.webp) Kihisi cha umbali kitaundwa na kitaonekana kwenye orodha ya vihisi. - ![Kihisi cha umbali kimeundwa](../../../../../translated_images/sw/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![Kihisi cha umbali kimeundwa](../../../../../translated_images/sw/counterfit-distance-sensor.079eefeeea0b68af.webp) ## Programu ya kihisi cha umbali diff --git a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 5a0db0330..175a01393 100644 --- a/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/sw/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Kihisi cha Grove Time of Flight kinaweza kuunganishwa na Wio Terminal. Unganisha kihisi cha Time of Flight. -![Kihisi cha Grove Time of Flight](../../../../../translated_images/sw/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![Kihisi cha Grove Time of Flight](../../../../../translated_images/sw/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya kihisi cha Time of Flight. Itaingia kwa mwelekeo mmoja tu. diff --git a/translations/sw/5-retail/lessons/1-train-stock-detector/README.md b/translations/sw/5-retail/lessons/1-train-stock-detector/README.md index 816db287d..452cd3ec6 100644 --- a/translations/sw/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/sw/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # Fanya Kifaa cha Kugundua Hisa -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-19.cf6973cecadf080c.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -36,7 +36,7 @@ Kugundua vitu kunahusisha kugundua vitu kwenye picha kwa kutumia AI. Tofauti na Uainishaji wa picha unahusu kuainisha picha nzima - ni uwezekano gani kwamba picha nzima inalingana na kila lebo. Unapata uwezekano kwa kila lebo iliyotumika kufundisha mfano. -![Uainishaji wa picha wa korosho na nyanya ya kopo](../../../../../translated_images/sw/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![Uainishaji wa picha wa korosho na nyanya ya kopo](../../../../../translated_images/sw/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) Katika mfano hapo juu, picha mbili zimeainishwa kwa kutumia mfano uliotengenezwa kuainisha vyombo vya korosho au makopo ya nyanya ya kopo. Picha ya kwanza ni chombo cha korosho, na ina matokeo mawili kutoka kwa kifaa cha kuainisha picha: @@ -60,7 +60,7 @@ Unapoitumia kutabiri picha, badala ya kupata orodha ya lebo na asilimia, unapata > 🎓 *Sanduku la mipaka* ni masanduku yanayozunguka kitu. -![Kugundua vitu vya korosho na nyanya ya kopo](../../../../../translated_images/sw/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![Kugundua vitu vya korosho na nyanya ya kopo](../../../../../translated_images/sw/object-detector-cashews-tomato.1af7c26686b4db0e.webp) Picha hapo juu ina chombo cha korosho na makopo matatu ya nyanya ya kopo. Kifaa cha kugundua vitu kiligundua korosho, kikitoa sanduku la mipaka linalojumuisha korosho na asilimia ya uwezekano kwamba sanduku la mipaka lina kitu hicho, katika kesi hii 97.6%. Kifaa cha kugundua vitu pia kimegundua makopo matatu ya nyanya ya kopo, na kinatoa masanduku matatu tofauti ya mipaka, moja kwa kila kopo lililogunduliwa, na kila moja lina asilimia ya uwezekano kwamba sanduku la mipaka lina kopo la nyanya ya kopo. @@ -111,7 +111,7 @@ Unaweza kufundisha kifaa cha kugundua vitu kwa kutumia Custom Vision, kwa njia s Unapounda mradi wako, hakikisha unatumia rasilimali ya `stock-detector-training` uliyotengeneza awali. Tumia aina ya mradi wa *Object Detection*, na kikoa cha *Products on Shelves*. - ![Mipangilio ya mradi wa Custom Vision na jina limewekwa kuwa fruit-quality-detector, hakuna maelezo, rasilimali imewekwa kuwa fruit-quality-detector-training, aina ya mradi imewekwa kuwa classification, aina za classification zimewekwa kuwa multi class na kikoa kimewekwa kuwa food](../../../../../translated_images/sw/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Mipangilio ya mradi wa Custom Vision na jina limewekwa kuwa fruit-quality-detector, hakuna maelezo, rasilimali imewekwa kuwa fruit-quality-detector-training, aina ya mradi imewekwa kuwa classification, aina za classification zimewekwa kuwa multi class na kikoa kimewekwa kuwa food](../../../../../translated_images/sw/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ Kikoa cha bidhaa kwenye rafu kinalenga hasa kugundua hisa kwenye rafu za maduka. Soma zaidi kuhusu kikoa tofauti kwenye [Nyaraka za kuchagua kikoa kwenye 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 @@ Ili kufundisha mfano wako utahitaji seti ya picha zinazojumuisha vitu unavyotaka 1. Fuata [Sehemu ya Kupakia na Kuweka Lebo Picha ya mwongozo wa haraka wa Kujenga kifaa cha kugundua vitu kwenye nyaraka za Microsoft](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) kupakia picha zako za mafunzo. Tengeneza lebo zinazofaa kulingana na aina za vitu unavyotaka kugundua. - ![Vidirisha vya kupakia vikionyesha upakiaji wa picha za ndizi zilizoiva na zisizoiva](../../../../../translated_images/sw/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![Vidirisha vya kupakia vikionyesha upakiaji wa picha za ndizi zilizoiva na zisizoiva](../../../../../translated_images/sw/image-upload-object-detector.77c7892c3093cb59.webp) Unapochora masanduku ya mipaka kwa vitu, yaweke karibu na kitu. Inaweza kuchukua muda kuainisha picha zote, lakini zana itagundua kile inachofikiri ni masanduku ya mipaka, na kufanya iwe haraka zaidi. - ![Kuweka lebo kwa nyanya ya kopo](../../../../../translated_images/sw/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![Kuweka lebo kwa nyanya ya kopo](../../../../../translated_images/sw/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 Ikiwa una zaidi ya picha 15 kwa kila kitu, unaweza kufundisha baada ya 15 kisha kutumia kipengele cha **Suggested tags**. Hii itatumia mfano uliotengenezwa kugundua vitu kwenye picha ambazo hazijawekwa lebo. Unaweza kisha kuthibitisha vitu vilivyogunduliwa, au kukataa na kuchora tena masanduku ya mipaka. Hii inaweza kuokoa *muda mwingi*. @@ -155,7 +155,7 @@ Baada ya kifaa chako cha kugundua vitu kufundishwa, unaweza kukijaribu kwa kukip 1. Tumia kitufe cha **Quick Test** kupakia picha za majaribio na kuthibitisha vitu vimegunduliwa. Tumia picha za majaribio ulizotengeneza awali, si picha zozote ulizotumia kwa mafunzo. - ![Makopo 3 ya nyanya ya kopo yaliyogunduliwa na uwezekano wa 38%, 35.5% na 34.6%](../../../../../translated_images/sw/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![Makopo 3 ya nyanya ya kopo yaliyogunduliwa na uwezekano wa 38%, 35.5% na 34.6%](../../../../../translated_images/sw/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. Jaribu picha zote za majaribio ulizonazo na uangalie uwezekano. diff --git a/translations/sw/5-retail/lessons/2-check-stock-device/README.md b/translations/sw/5-retail/lessons/2-check-stock-device/README.md index 2a9efcd37..83e125d27 100644 --- a/translations/sw/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/sw/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # Angalia Hisa Kutoka Kifaa cha IoT -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-20.0211df9551a8abb3.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa. @@ -62,7 +62,7 @@ Toleo linachapishwa kutoka kwenye portal ya Custom Vision. 1. Chagua kitufe cha **Publish** kwa toleo hilo. - ![Kitufe cha kuchapisha](../../../../../translated_images/sw/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![Kitufe cha kuchapisha](../../../../../translated_images/sw/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. Katika kisanduku cha mazungumzo cha *Publish Model*, weka *Prediction resource* kuwa rasilimali ya `stock-detector-prediction` uliyounda katika somo lililopita. Acha jina liwe `Iteration2`, na uchague kitufe cha **Publish**. @@ -76,7 +76,7 @@ Toleo linachapishwa kutoka kwenye portal ya Custom Vision. Pia chukua nakala ya thamani ya *Prediction-Key*. Hii ni ufunguo wa usalama ambao lazima upitishwe unapokuita mfano. Programu tu zinazopitisha ufunguo huu ndizo zinazoruhusiwa kutumia mfano, programu nyingine zote zinakataliwa. - ![Kisanduku cha mazungumzo cha API ya utabiri kinachoonyesha URL na ufunguo](../../../../../translated_images/sw/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![Kisanduku cha mazungumzo cha API ya utabiri kinachoonyesha URL na ufunguo](../../../../../translated_images/sw/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ Wakati toleo jipya linachapishwa, litakuwa na jina tofauti. Unafikiri ungebadilisha vipi toleo ambalo kifaa cha IoT kinatumia? @@ -95,7 +95,7 @@ Unapotumia kifaa cha kutambua vitu, hupokea si tu vitu vilivyotambuliwa na lebo Matokeo ya utabiri katika kichupo cha **Predictions** kwenye Custom Vision yana maboksi ya mipaka yaliyochorwa kwenye picha iliyotumwa kwa utabiri. -![Makopo 4 ya tomato paste kwenye rafu na utabiri wa makopo 4 yaliyotambuliwa kwa asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![Makopo 4 ya tomato paste kwenye rafu na utabiri wa makopo 4 yaliyotambuliwa kwa asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca341.webp) Katika picha hapo juu, makopo 4 ya tomato paste yalitambuliwa. Katika matokeo, mraba mwekundu umewekwa juu kwa kila kitu kilichotambuliwa kwenye picha, kuonyesha boksi la mipaka kwa picha hiyo. @@ -103,7 +103,7 @@ Katika picha hapo juu, makopo 4 ya tomato paste yalitambuliwa. Katika matokeo, m Maboksi ya mipaka yanafafanuliwa na thamani 4 - juu, kushoto, urefu na upana. Thamani hizi ziko kwenye kiwango cha 0-1, zikionyesha nafasi kama asilimia ya ukubwa wa picha. Asili (nafasi ya 0,0) ni kona ya juu kushoto ya picha, kwa hivyo thamani ya juu ni umbali kutoka juu, na chini ya boksi la mipaka ni juu pamoja na urefu. -![Boksi la mipaka karibu na kopo la tomato paste](../../../../../translated_images/sw/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![Boksi la mipaka karibu na kopo la tomato paste](../../../../../translated_images/sw/bounding-box.1420a7ea0d3d15f7.webp) Picha hapo juu ina upana wa pikseli 600 na urefu wa pikseli 800. Boksi la mipaka linaanza kwenye pikseli 320 chini, likitoa thamani ya juu ya 0.4 (800 x 0.4 = 320). Kutoka kushoto, boksi la mipaka linaanza kwenye pikseli 240, likitoa thamani ya kushoto ya 0.4 (600 x 0.4 = 240). Urefu wa boksi la mipaka ni pikseli 240, likitoa thamani ya urefu ya 0.3 (800 x 0.3 = 240). Upana wa boksi la mipaka ni pikseli 120, likitoa thamani ya upana ya 0.2 (600 x 0.2 = 120). @@ -118,7 +118,7 @@ Kutumia thamani za asilimia kutoka 0-1 kunamaanisha haijalishi ukubwa wa picha u Unaweza kutumia maboksi ya mipaka pamoja na uwezekano kutathmini jinsi utambuzi ulivyo sahihi. Kwa mfano, kifaa cha kutambua vitu kinaweza kutambua vitu vingi vinavyofunikana, kwa mfano kutambua kopo moja ndani ya jingine. Msimbo wako unaweza kuangalia maboksi ya mipaka, kuelewa kuwa hili haliwezekani, na kupuuza vitu vyovyote vinavyofunikana kwa kiasi kikubwa na vitu vingine. -![Maboksi mawili ya mipaka yanayofunikana na kopo la tomato paste](../../../../../translated_images/sw/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![Maboksi mawili ya mipaka yanayofunikana na kopo la tomato paste](../../../../../translated_images/sw/overlap-object-detection.d431e03cae75072a.webp) Katika mfano hapo juu, boksi moja la mipaka linaonyesha kopo la tomato paste lililotabiriwa kwa asilimia 78.3%. Boksi la pili la mipaka ni dogo kidogo, na liko ndani ya boksi la kwanza la mipaka kwa uwezekano wa asilimia 64.3%. Msimbo wako unaweza kuangalia maboksi ya mipaka, kuona yanayofunikana kabisa, na kupuuza uwezekano wa chini kwani hakuna njia moja inaweza kuwa ndani ya jingine. diff --git a/translations/sw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/sw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 72a57634b..29a825ed1 100644 --- a/translations/sw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/sw/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ Msimbo uliotumia kugundua picha unafanana sana na msimbo wa kugundua vitu. Tofau Utaweza kuona picha iliyopigwa, na maadili haya kwenye kichupo cha **Predictions** katika Custom Vision. - ![Kopo 4 za tomato paste kwenye rafu na utabiri wa 4 zenye asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![Kopo 4 za tomato paste kwenye rafu na utabiri wa 4 zenye asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Unaweza kupata msimbo huu kwenye folda ya [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) au [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device). diff --git a/translations/sw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/sw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 21692621d..6ab2111e8 100644 --- a/translations/sw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/sw/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ Msimbo uliotumia kuainisha picha unafanana sana na msimbo wa kugundua vitu. Tofa Utaweza kuona picha iliyopigwa, na maadili haya kwenye kichupo cha **Predictions** katika Custom Vision. - ![Kopo 4 za tomato paste kwenye rafu na utabiri wa 4 wenye asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![Kopo 4 za tomato paste kwenye rafu na utabiri wa 4 wenye asilimia 35.8%, 33.5%, 25.7% na 16.6%](../../../../../translated_images/sw/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 Unaweza kupata msimbo huu kwenye folda ya [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal). diff --git a/translations/sw/6-consumer/lessons/1-speech-recognition/README.md b/translations/sw/6-consumer/lessons/1-speech-recognition/README.md index 873e31e55..326f668c5 100644 --- a/translations/sw/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/sw/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # Kutambua Sauti kwa Kifaa cha IoT -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-21.e34de51354d6606f.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -51,7 +51,7 @@ Maikrofoni huja katika aina mbalimbali: Maikrofoni za dynamic hazihitaji nguvu kufanya kazi, ishara ya umeme inazalishwa moja kwa moja kutoka kwa maikrofoni. - ![Patti Smith akiimba kwenye maikrofoni ya Shure SM58 (aina ya dynamic cardioid)](../../../../../translated_images/sw/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith akiimba kwenye maikrofoni ya Shure SM58 (aina ya dynamic cardioid)](../../../../../translated_images/sw/dynamic-mic.8babac890a2d80df.webp) * **Ribbon** - Maikrofoni za ribbon zinafanana na maikrofoni za dynamic, isipokuwa zina ribbon ya chuma badala ya diaphragm. Ribbon hii husogea kwenye uwanja wa sumaku na kuzalisha mkondo wa umeme. Kama maikrofoni za dynamic, maikrofoni za ribbon hazihitaji nguvu kufanya kazi. @@ -59,11 +59,11 @@ Maikrofoni huja katika aina mbalimbali: * **Condenser** - Maikrofoni za condenser zina diaphragm nyembamba ya chuma na sahani ya nyuma ya chuma iliyowekwa. Umeme hutumika kwa vyote viwili na diaphragm inapovibrate, chaji ya static kati ya sahani hubadilika na kuzalisha ishara. Maikrofoni za condenser zinahitaji nguvu kufanya kazi - inayoitwa *Phantom power*. - ![Maikrofoni ya condenser ya diaframu ndogo ya C451B na AKG Acoustics](../../../../../translated_images/sw/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![Maikrofoni ya condenser ya diaframu ndogo ya C451B na AKG Acoustics](../../../../../translated_images/sw/condenser-mic.6f6ed5b76ca19e0e.webp) * **MEMS** - Maikrofoni za Microelectromechanical systems, au MEMS, ni maikrofoni kwenye chipu. Zina diaphragm inayohisi shinikizo iliyochongwa kwenye chipu ya silicon, na hufanya kazi sawa na maikrofoni ya condenser. Maikrofoni hizi zinaweza kuwa ndogo sana, na kuunganishwa kwenye mzunguko. - ![Maikrofoni ya MEMS kwenye ubao wa mzunguko](../../../../../translated_images/sw/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![Maikrofoni ya MEMS kwenye ubao wa mzunguko](../../../../../translated_images/sw/mems-microphone.80574019e1f5e4d9.webp) Katika picha hapo juu, chipu iliyoandikwa **LEFT** ni maikrofoni ya MEMS, yenye diaphragm ndogo chini ya milimita moja. @@ -159,7 +159,7 @@ Ili kuepuka ugumu wa kufundisha na kutumia modeli ya neno la kuamsha, kipima mud ## Badilisha sauti kuwa maandishi -![Nembo ya huduma za sauti](../../../../../translated_images/sw/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Nembo ya huduma za sauti](../../../../../translated_images/sw/azure-speech-logo.a1f08c4befb0159f.webp) Kama ilivyo kwenye uainishaji wa picha katika mradi wa awali, kuna huduma za AI zilizojengwa tayari ambazo zinaweza kuchukua sauti kama faili ya sauti na kuibadilisha kuwa maandishi. Mojawapo ya huduma hizo ni Huduma ya Sauti, sehemu ya Huduma za Kognitivi, huduma za AI zilizojengwa tayari unazoweza kutumia kwenye programu zako. diff --git a/translations/sw/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/sw/6-consumer/lessons/1-speech-recognition/pi-audio.md index f3d2cc856..5b5f08632 100644 --- a/translations/sw/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/sw/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ Kitufe kinaweza kuunganishwa kwenye Grove base hat. #### Kazi - unganisha kitufe -![Kitufe cha Grove](../../../../../translated_images/sw/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![Kitufe cha Grove](../../../../../translated_images/sw/grove-button.a70cfbb809a85636.webp) 1. Ingiza mwisho mmoja wa kebo ya Grove kwenye soketi ya moduli ya kitufe. Itaingia kwa njia moja tu. 1. Ukiwa na Raspberry Pi imezimwa, unganisha mwisho mwingine wa kebo ya Grove kwenye soketi ya kidijitali iliyoandikwa **D5** kwenye Grove Base hat iliyounganishwa na Pi. Soketi hii ni ya pili kutoka kushoto, kwenye safu ya soketi karibu na pini za GPIO. -![Kitufe cha Grove kimeunganishwa kwenye soketi D5](../../../../../translated_images/sw/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Kitufe cha Grove kimeunganishwa kwenye soketi D5](../../../../../translated_images/sw/pi-button.c7a1a4f55943341c.webp) ## Kurekodi sauti diff --git a/translations/sw/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/sw/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 6e9d1cd7c..179926d07 100644 --- a/translations/sw/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/sw/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ Kipaza sauti na spika vinahitaji kuunganishwa na kusanidiwa. 1. Ikiwa unatumia ReSpeaker 2-Mics Pi HAT, unaweza kuondoa Grove base hat, kisha kuweka ReSpeaker hat mahali pake. - ![Raspberry Pi na ReSpeaker hat](../../../../../translated_images/sw/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![Raspberry Pi na ReSpeaker hat](../../../../../translated_images/sw/pi-respeaker-hat.f00fabe7dd039a93.webp) Utahitaji kitufe cha Grove baadaye katika somo hili, lakini kimoja kimejengwa ndani ya hat hii, kwa hivyo Grove base hat haitahitajika. diff --git a/translations/sw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/sw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index fb13855bc..55bfea0c0 100644 --- a/translations/sw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/sw/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ Kipaza sauti kilichojengwa ndani hurekodi ishara ya analojia, ambayo hubadilishw ✅ Soma zaidi kuhusu DMA kwenye [ukurasa wa ufikiaji wa kumbukumbu moja kwa moja kwenye Wikipedia](https://wikipedia.org/wiki/Direct_memory_access). -![Sauti kutoka kwa kipaza sauti huenda kwa ADC kisha kwa DMAC. Hii huandika kwenye buffer moja. Buffer hii inapojazwa, inachakatwa na DMAC huandika kwenye buffer ya pili](../../../../../translated_images/sw/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![Sauti kutoka kwa kipaza sauti huenda kwa ADC kisha kwa DMAC. Hii huandika kwenye buffer moja. Buffer hii inapojazwa, inachakatwa na DMAC huandika kwenye buffer ya pili](../../../../../translated_images/sw/dmac-adc-buffers.4509aee49145c90b.webp) DMAC inaweza kurekodi sauti kutoka kwa ADC kwa vipindi vilivyowekwa, kama vile mara 16,000 kwa sekunde kwa sauti ya 16KHz. Inaweza kuandika data hii iliyorekodiwa kwenye buffer ya kumbukumbu iliyotengwa mapema, na buffer hii inapojazwa, inapatikana kwa msimbo wako kuchakata. Kutumia kumbukumbu hii kunaweza kuchelewesha kurekodi sauti, lakini unaweza kusanidi buffers nyingi. DMAC huandika kwenye buffer 1, kisha inapojazwa, inaarifu msimbo wako kuchakata buffer 1, wakati DMAC huandika kwenye buffer 2. Buffer 2 inapojazwa, inaarifu msimbo wako, na kurudi kuandika kwenye buffer 1. Kwa njia hii, mradi unachakata kila buffer kwa muda mfupi kuliko inavyohitajika kujaza moja, hutapoteza data yoyote. diff --git a/translations/sw/6-consumer/lessons/2-language-understanding/README.md b/translations/sw/6-consumer/lessons/2-language-understanding/README.md index 3d27cc3c3..c5c930715 100644 --- a/translations/sw/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/sw/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # Elewa Lugha -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-22.6148ea28500d9e00.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. @@ -46,7 +46,7 @@ Mifano ya uelewa wa lugha ni mifano ya AI inayofundishwa kutoa maelezo fulani ku ## Kuunda mfano wa uelewa wa lugha -![Nembo ya LUIS](../../../../../translated_images/sw/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![Nembo ya LUIS](../../../../../translated_images/sw/luis-logo.5cb4f3e88c020ee6.webp) Unaweza kuunda mifano ya uelewa wa lugha kwa kutumia LUIS, huduma ya uelewa wa lugha kutoka Microsoft ambayo ni sehemu ya Huduma za Utambuzi. @@ -169,7 +169,7 @@ Unaweza kupata maagizo ya kutumia lango la LUIS katika [Mwongozo wa Haraka: Jeng 1. Unapoongeza kila mfano, LUIS itaanza kugundua vyombo, na itaweka mstari chini na kuweka lebo yoyote inayopatikana. - ![Mifano na namba na vitengo vya muda vikiwa vimewekwa mstari chini na LUIS](../../../../../translated_images/sw/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![Mifano na namba na vitengo vya muda vikiwa vimewekwa mstari chini na LUIS](../../../../../translated_images/sw/luis-intent-examples.25716580b2d2723c.webp) ### Kazi - kufundisha na kujaribu mfano diff --git a/translations/sw/6-consumer/lessons/3-spoken-feedback/README.md b/translations/sw/6-consumer/lessons/3-spoken-feedback/README.md index 73e80bbc1..c36a7feb9 100644 --- a/translations/sw/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/sw/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # Weka kipima muda na toa maoni kwa sauti -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-23.f38483e1d4df4828.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bofya picha kwa toleo kubwa zaidi. diff --git a/translations/sw/6-consumer/lessons/4-multiple-language-support/README.md b/translations/sw/6-consumer/lessons/4-multiple-language-support/README.md index 18959f7d5..d40db9a9b 100644 --- a/translations/sw/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/sw/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # Kusaidia Lugha Nyingi -![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![Muhtasari wa somo hili kwa sketchnote](../../../../../translated_images/sw/lesson-24.4246968ed058510a.webp) > Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bonyeza picha kwa toleo kubwa zaidi. @@ -74,7 +74,7 @@ Kuna huduma kadhaa za AI ambazo zinaweza kutumika kutoka kwa programu zako kutaf ### Huduma ya Sauti ya Cognitive Services -![Nembo ya huduma ya sauti](../../../../../translated_images/sw/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![Nembo ya huduma ya sauti](../../../../../translated_images/sw/azure-speech-logo.a1f08c4befb0159f.webp) Huduma ya sauti ambayo umekuwa ukitumia katika masomo yaliyopita ina uwezo wa kutafsiri kwa utambuzi wa sauti. Unapotambua sauti, unaweza kuomba si tu maandishi ya sauti hiyo kwa lugha ile ile, bali pia kwa lugha nyingine. @@ -82,7 +82,7 @@ Huduma ya sauti ambayo umekuwa ukitumia katika masomo yaliyopita ina uwezo wa ku ### Huduma ya Mtafsiri ya Cognitive Services -![Nembo ya huduma ya mtafsiri](../../../../../translated_images/sw/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![Nembo ya huduma ya mtafsiri](../../../../../translated_images/sw/azure-translator-logo.c6ed3a4a433edfd2.webp) Huduma ya Mtafsiri ni huduma maalum ya tafsiri inayoweza kutafsiri maandishi kutoka lugha moja kwenda lugha moja au zaidi za lengo. Mbali na kutafsiri, inasaidia vipengele vingi vya ziada ikiwa ni pamoja na kuficha matusi. Pia inakuruhusu kutoa tafsiri maalum kwa neno au sentensi fulani, kufanya kazi na maneno ambayo hutaki kutafsiriwa, au kuwa na tafsiri maalum inayojulikana. diff --git a/translations/sw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/sw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 65f2cc9c7..b2ac62707 100644 --- a/translations/sw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/sw/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ API ya REST ya huduma ya hotuba haiungi mkono tafsiri za moja kwa moja, badala y > > Kwa mfano, ikiwa umefundisha LUIS kwa Kiingereza, lakini unataka kutumia Kifaransa kama lugha ya mtumiaji, unaweza kutafsiri sentensi kama "set a 2 minute and 27 second timer" kutoka Kiingereza hadi Kifaransa ukitumia Bing Translate, kisha tumia kitufe cha **Listen translation** kuzungumza tafsiri hiyo kwenye kipaza sauti chako. > - > ![Kitufe cha kusikiliza tafsiri kwenye Bing Translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Kitufe cha kusikiliza tafsiri kwenye Bing Translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a9.webp) 1. Ongeza ufunguo wa API wa mtafsiri chini ya `speech_api_key`: diff --git a/translations/sw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/sw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index fe15917de..d696a3cf2 100644 --- a/translations/sw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/sw/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ Huduma ya hotuba inaweza kuchukua hotuba na sio tu kuibadilisha kuwa maandishi k > > Kwa mfano, ikiwa umefundisha LUIS kwa Kiingereza, lakini unataka kutumia Kifaransa kama lugha ya mtumiaji, unaweza kutafsiri sentensi kama "set a 2 minute and 27 second timer" kutoka Kiingereza kwenda Kifaransa kwa kutumia Bing Translate, kisha tumia kitufe cha **Listen translation** kuzungumza tafsiri hiyo kwenye kipaza sauti chako. > - > ![Kitufe cha kusikiliza tafsiri kwenye Bing Translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Kitufe cha kusikiliza tafsiri kwenye Bing Translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a9.webp) 1. Badilisha matamko ya `recognizer_config` na `recognizer` na yafuatayo: diff --git a/translations/sw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/sw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index f50ae03ad..74d961c65 100644 --- a/translations/sw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/sw/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ API ya REST ya huduma ya hotuba haiungi mkono tafsiri za moja kwa moja. Badala y > > Kwa mfano, ikiwa unafundisha LUIS kwa Kiingereza, lakini unataka kutumia Kifaransa kama lugha ya mtumiaji, unaweza kutafsiri sentensi kama "set a 2 minute and 27 second timer" kutoka Kiingereza hadi Kifaransa ukitumia Bing Translate, kisha tumia kitufe cha **Listen translation** kuzungumza tafsiri hiyo kwenye kipaza sauti chako. > - > ![Kitufe cha listen translation kwenye Bing translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Kitufe cha listen translation kwenye Bing translate](../../../../../translated_images/sw/bing-translate.348aa796d6efe2a9.webp) 1. Ongeza API key ya mtafsiri na eneo chini ya `SPEECH_LOCATION`: diff --git a/translations/sw/README.md b/translations/sw/README.md index b7c969f2d..1c1a85599 100644 --- a/translations/sw/README.md +++ b/translations/sw/README.md @@ -1,16 +1,16 @@ [![Leseni ya GitHub](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) [![Wachangiaji wa GitHub](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) [![Masuala ya GitHub](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) -[![Maombi ya kuvuta ya GitHub](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) +[![Maombi ya kuvuta (pull-requests) GitHub](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) [![Karibu PRs](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![Watazamaji wa GitHub](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) -[![Matawi ya GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) +[![Mazao ya GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) [![Nyota za GitHub](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) ### Jiunge na Jamii ya Azure AI Foundry -Kama unashindwa au una maswali yoyote kuhusu kujenga programu za AI. Jiunge na wafuasi wenzako na waendelezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii yenye msaada ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru. +Kama utakwama au una maswali yoyote kuhusu kujenga programu za AI. Jiunge na wanafunzi wenzao na watengenezaji wenye uzoefu katika mijadala kuhusu MCP. Ni jamii ya kusaidia ambapo maswali yanakaribishwa na maarifa yanashirikiwa kwa uhuru. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -19,194 +19,204 @@ Kama una maoni kuhusu bidhaa au makosa wakati wa kujenga tembelea: [![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) Fuata hatua hizi kuanza kutumia rasilimali hizi: -1. **Fanya fork ya Hazina**: Bonyeza [![Matawi ya GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) -2. **Nakili Hazina**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**Jiunge na Discord ya Microsoft Foundry na kutambua wataalamu na waendelezaji wenzako**](https://discord.com/invite/ByRwuEEgH4) +1. **Fanya Fork ya Hifadhi**: Bonyeza [![Mazao ya GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/fork) +2. **Fanya Clone ya Hifadhi**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**Jiunge na Microsot Foundry Discord na ukutane na wataalamu na watengenezaji wenzao**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 Msaada wa Lugha Nyingi -#### Inapokelewa kupitia Kitendo cha GitHub (Kiotomatiki & Daima Kisasa) +#### Unaungwa mkono kupitia Kitendo cha GitHub (Kiotomatiki & Kila Wakati Kime Sasishwa) -[Kiarabu](../ar/README.md) | [Kibengali](../bn/README.md) | [Kibulgaria](../bg/README.md) | [Kiburma (Myanmar)](../my/README.md) | [Kichina (Rahisi)](../zh-CN/README.md) | [Kichina (Kiasili, Hong Kong)](../zh-HK/README.md) | [Kichina (Kiasili, Macau)](../zh-MO/README.md) | [Kichina (Kiasili, Taiwan)](../zh-TW/README.md) | [Kikroeshia](../hr/README.md) | [Kicheki](../cs/README.md) | [Kidenmaki](../da/README.md) | [Kiholanzi](../nl/README.md) | [Kiestonia](../et/README.md) | [Kifini](../fi/README.md) | [Kifaransa](../fr/README.md) | [Kijerumani](../de/README.md) | [Kigiriki](../el/README.md) | [Kiebrania](../he/README.md) | [Kihindi](../hi/README.md) | [Kihungari](../hu/README.md) | [Kiindonesia](../id/README.md) | [Kiitaliano](../it/README.md) | [Kijapani](../ja/README.md) | [Kikannada](../kn/README.md) | [Kikorea](../ko/README.md) | [Kilithuania](../lt/README.md) | [Kimalay](../ms/README.md) | [Kimalayalam](../ml/README.md) | [Kimarathi](../mr/README.md) | [Kinepali](../ne/README.md) | [Kipidgin cha Nijeria](../pcm/README.md) | [Kinorwe](../no/README.md) | [Kifarsi (Farsi)](../fa/README.md) | [Kipolandi](../pl/README.md) | [Kireno (Brazili)](../pt-BR/README.md) | [Kireno (Ureno)](../pt-PT/README.md) | [Kipunju (Gurmukhi)](../pa/README.md) | [Kiromania](../ro/README.md) | [Kirusi](../ru/README.md) | [Kiserbia (Kisiriliki)](../sr/README.md) | [Kislovakia](../sk/README.md) | [Kislovenia](../sl/README.md) | [Kihispania](../es/README.md) | [Kiswahili](./README.md) | [Kiswidi](../sv/README.md) | [Kitagalogi (Filipino)](../tl/README.md) | [Kitamili](../ta/README.md) | [Kitelugu](../te/README.md) | [Kitailandi](../th/README.md) | [Kituruki](../tr/README.md) | [Kiukrenia](../uk/README.md) | [Kiurdu](../ur/README.md) | [Kivietinamu](../vi/README.md) +[Kiarabu](../ar/README.md) | [Kibeneli](../bn/README.md) | [Kibulgaria](../bg/README.md) | [Kiburma (Myanma)](../my/README.md) | [Kichina (Rahisi)](../zh-CN/README.md) | [Kichina (Marefu, Hong Kong)](../zh-HK/README.md) | [Kichina (Marefu, Makao)](../zh-MO/README.md) | [Kichina (Marefu, Taiwan)](../zh-TW/README.md) | [Kikroeshia](../hr/README.md) | [Kicheki](../cs/README.md) | [Kidenmaki](../da/README.md) | [Kiholanzi](../nl/README.md) | [Kiestonia](../et/README.md) | [Kifini](../fi/README.md) | [Kifaransa](../fr/README.md) | [Kijerumani](../de/README.md) | [Kigiriki](../el/README.md) | [Kiebrania](../he/README.md) | [Kihindi](../hi/README.md) | [Kihungari](../hu/README.md) | [Kiindonesia](../id/README.md) | [Kiitaliano](../it/README.md) | [Kijapani](../ja/README.md) | [Kikannada](../kn/README.md) | [Kikmeru](../km/README.md) | [Kikorea](../ko/README.md) | [Kilituwania](../lt/README.md) | [Kimalei](../ms/README.md) | [Kimalayalam](../ml/README.md) | [Kimarathi](../mr/README.md) | [Kinepali](../ne/README.md) | [Kipidgin cha Nijeria](../pcm/README.md) | [Kinorweji](../no/README.md) | [Kiajemi (Fasi)](../fa/README.md) | [Kipolandi](../pl/README.md) | [Kireno (Brazil)](../pt-BR/README.md) | [Kireno (Ureno)](../pt-PT/README.md) | [Kipunabi (Gurmukhi)](../pa/README.md) | [Kiromania](../ro/README.md) | [Kirusi](../ru/README.md) | [Kiserbia (Kirilik)](../sr/README.md) | [Kislovakia](../sk/README.md) | [Kislovenia](../sl/README.md) | [Kihispania](../es/README.md) | [Kiswahili](./README.md) | [Kiswidi](../sv/README.md) | [Kitagalog (Kifilipino)](../tl/README.md) | [Kitamili](../ta/README.md) | [Kitelugu](../te/README.md) | [Kithai](../th/README.md) | [Kituruki](../tr/README.md) | [Kiukreni](../uk/README.md) | [Kiurdu](../ur/README.md) | [Kivietinamu](../vi/README.md) -> **Unapendelea Kukopa Mbali Mitaa?** - -> Hazina hii ina tafsiri za lugha 50+ ambazo huongeza sana ukubwa wa kupakua. Ili kunakili bila tafsiri, tumia sparse checkout: +> **Unapendelea Kufanya Clone Kwenye Kifaa cha Mtu Binafsi?** +> +> Hifadhi hii ina tafsiri za lugha zaidi ya 50 ambazo huongeza ukubwa wa kupakua kwa kiasi kikubwa. Kufanya clone bila tafsiri, tumia 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' > ``` -> Hii inakupa kila kitu unachohitaji kumaliza kozi kwa upakuaji wa haraka zaidi. +> +> **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" +> ``` +> +> Hii inakupa kila kitu unachohitaji kukamilisha kozi kwa upakuaji wa haraka zaidi. # IoT kwa Waanziaji - Mtaala -Wahamasishaji wa Azure Cloud Microsoft wanafurahia kutoa mtaala wa wiki 12, masomo 24 yote kuhusu misingi ya IoT. Kila somo linajumuisha maswali ya kabla na baada ya somo, maelekezo ya maandishi ya kukamilisha somo, suluhisho, kazi za nyumbani na zaidi. Mbinu yetu ya kujifunza kwa mradi inakuruhusu kujifunza wakati wa kujenga, njia iliyothibitishwa ya kufanya ujuzi mpya 'kubakia'. +Wahimiza wa Azure Cloud wa Microsoft wanafurahi kutoa mtaala wa wiki 12, masomo 24 yote kuhusu misingi ya IoT. Kila somo lina maswali kabla na baada ya somo, maelekezo ya kuandika ya kukamilisha somo, suluhisho, kazi ya nyumbani na zaidi. Njia yetu ya kujifunza kwa mradi inakuwezesha kujifunza wakati unajenga, njia iliyothibitishwa kwa ufanisi wa ujuzi mpya. -Miradi inahusu safari ya chakula kutoka shambani hadi mezani. Hii ni pamoja na kilimo, usafirishaji, utengenezaji, maduka na mtumiaji - zote ni maeneo maarufu ya tasnia kwa vifaa vya IoT. +Miradi inahusisha safari ya chakula kutoka shamba hadi meza. Hii ni pamoja na kilimo, usafirishaji, uzalishaji, rejareja na mtumiaji wa mwisho - yote ni maeneo maarufu ya viwanda kwa vifaa vya IoT. -![Ramani ya kozi inaonyesha masomo 24 yanayojumuisha utangulizi, kilimo, usafirishaji, usindikaji, maduka na kupika](../../translated_images/sw/Roadmap.bb1dec285dda0eda.webp) +![Ramani ya kozi inaonyesha masomo 24 yanayohusu utangulizi, kilimo, usafirishaji, usindikaji, rejareja na kupika](../../translated_images/sw/Roadmap.bb1dec285dda0eda.webp) -> Sketchnote na [Nitya Narasimhan](https://github.com/nitya). Bonyeza picha kwa toleo kubwa zaidi. +> Sketchnote kutoka kwa [Nitya Narasimhan](https://github.com/nitya). Bonyeza picha kwa toleo kubwa zaidi. -**Shukrani za dhati kwa waandishi wetu [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), na msanii wetu wa sketchnote [Nitya Narasimhan](https://github.com/nitya).** +**Shukrani nyingi kwa waandishi wetu [Jen Fox](https://github.com/jenfoxbot), [Jen Looper](https://github.com/jlooper), [Jim Bennett](https://github.com/jimbobbennett), na msanii wetu wa sketchnote [Nitya Narasimhan](https://github.com/nitya).** -**Shukrani pia kwa timu yetu ya [Wawakilishi wa Wanafunzi wa Microsoft Learn](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) ambao wamekuwa wakikagua na kutafsiri mtaala huu - [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), na [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**Pia shukrani kwa timu yetu ya [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) ambao wamekuwa wakikagua na kutafsiri mtaala huu - [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), na [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** Kutana na timu! -[![Video ya utangazaji](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) +[![Video ya kukuza](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -**Gif na** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +**Gif kwa** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Bonyeza picha hapo juu kwa video kuhusu mradi! -> **Walimu**, tumekuwa [tukijumuisha mapendekezo baadhi](for-teachers.md) juu ya jinsi ya kutumia mtaala huu. Ikiwa ungependa kuunda masomo yako mwenyewe, pia tumejumuisha [kiolezo cha somo](lesson-template/README.md). +> **Walimu**, tumewajumuisha [mapendekezo kadhaa](for-teachers.md) juu ya jinsi ya kutumia mtaala huu. Ikiwa ungependa kuunda masomo yako mwenyewe, pia tumewajumuisha [kiolezo cha somo](lesson-template/README.md). -> **[Wanafunzi](https://aka.ms/student-page)**, ili kutumia mtaala huu peke yako, fanya fork ya hazina nzima na ukamilishe mazoezi kwa mwenyewe, kuanzia na mtihani kabla ya mihadhara, kisha soma mihadhara na ukamilishe shughuli nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo msimbo huo upo katika folda za /solutions katika kila somo lililoongozwa na mradi. Wazo jingine ni kuunda kikundi cha kusoma na marafiki na kupitia maudhui pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **[Wanafunzi](https://aka.ms/student-page)**, kutumia mtaala huu peke yako, fanya fork ya repo yote na kamilisha mazoezi peke yako, kuanzia na mtihani kabla ya foreza, kisha soma foreza na kamilisha shughuli nyingine. Jaribu kuunda miradi kwa kuelewa masomo badala ya kunakili msimbo wa suluhisho; hata hivyo msimbo huo unapatikana kwenye folda za /solutions katika kila somo linalolenga mradi. Wazo lingine ni kuunda kundi la kusoma na marafiki na kuvitazama pamoja. Kwa masomo zaidi, tunapendekeza [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). -Kwa muhtasari wa video wa kozi hii, angalia video hii: +Kwa muhtasari wa video ya kozi hii, angalia video hii: -[![Video ya utangazaji](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") +[![Video ya kukuza](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Video ya kukuza") > 🎥 Bonyeza picha hapo juu kwa video kuhusu mradi! -## Mbinu ya Kufundisha +## Pedagojia -Tumechagua kanuni mbili za kufundisha wakati wa kujenga mtaala huu: kuhakikisha kwamba ni wa mradi na kwamba unajumuisha mitihani ya mara kwa mara. Mwisho wa mfululizo huu, wanafunzi watakuwa wamejenga mfumo wa ufuatiliaji na kumwagilia mimea, kifuatilia magari, usanidi wa kiwanda smart kufuatilia na kukagua chakula, na kengele ya kupika inayodhibitiwa kwa sauti, na watajifunza misingi ya Internet ya Vitu ikiwemo jinsi ya kuandika msimbo wa kifaa, kuungana na wingu, kuchambua telemetry na kuendesha AI pembeni. +Tumechagua kanuni mbili za dadajojia wakati wa kujenga mtaala huu: kuhakikisha ni unaotegemea miradi na kwamba unajumuisha mitihani ya mara kwa mara. Mwishoni mwa mfululizo huu, wanafunzi watakuwa wamejenga mfumo wa ufuatiliaji na kumwagilia mimea, kifuatilia magari, usanidi wa kiwanda smart kufuatilia na kukagua chakula, na kengele ya kupika inayodhibitiwa kwa sauti, na watakuwa wamejifunza misingi ya Internet ya Vitu ikijumuisha jinsi ya kuandika msimbo wa kifaa, kuunganishwa na wingu, kuchambua telemetry na kuendesha AI pembezoni. -Kwa kuhakikisha kuwa maudhui yanaendana na miradi, mchakato hufanya kuwa wa kuvutia zaidi kwa wanafunzi na kumbukumbu ya dhana itaongezeka. +Kwa kuhakikisha maudhui yanaendana na miradi, mchakato unakuwa wa kusisimua zaidi kwa wanafunzi na kuhifadhi mawazo kutaimarishwa. -Zaidi ya hayo, mtihani wa kidogo kabla ya darasa huweka nia ya mwanafunzi kuelekea kujifunza mada, wakati mtihani wa pili baada ya darasa unahakikisha kumbukumbu zaidi. Mtaala huu umetengenezwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa jumla au sehemu. Miradi inaanza ndogo na kuwa changamano zaidi mwishoni mwa mzunguko wa wiki 12. +Zaidi ya hayo, mtihani wa kawaida kabla ya darasa huweka niaba ya mwanafunzi kuelekea kujifunza somo, wakati mtihani wa pili baada ya darasa unahakikisha uhifadhi zaidi. Mtaala huu ulitengenezwa kuwa rahisi na wa kufurahisha na unaweza kuchukuliwa kwa sehemu yote au kidogo. Miradi inaanza ndogo na kuwa magumu zaidi mwishoni mwa mzunguko wa wiki 12. -Kila mradi umejikita kwenye vifaa halisi vinavyopatikana kwa wanafunzi na wapenda kushughulikia somo. Kila mradi unachunguza eneo maalum la mradi, likitoa maarifa ya msingi yanayohusiana. Ili kuwa mtaalamu mwema husaidia kuelewa eneo unalotatua matatizo, kutoa maarifa haya ya msingi kunaruhusu wanafunzi kufikiri juu ya suluhisho zao za IoT na masomo katika muktadha wa aina ya tatizo halisi ambalo wanaweza kuambiwa kutatua kama mtaalamu wa IoT. Wanafunzi hujifunza 'kwa nini' ya suluhisho wanazojenga, na kupata kuthamini mtumiaji wa mwisho. +Kila mradi unajengwa kwa vifaa halisi vinavyopatikana kwa wanafunzi na wapenzi. Kila mradi unangazia uwanja maalum wa mradi, ukitoa ujuzi wa msingi unaohitajika. Kuwa msanidi programu mkamilifu husaidia kuelewa uwanja unalotatua matatizo, kutoa ujuzi huu wa msingi hutoa fursa kwa wanafunzi kufikiria kuhusu suluhisho la IoT zao na mafunzo kwa muktadha wa aina ya tatizo halisi ambalo wanaweza kuambiwa kulitatua kama msanidi wa IoT. Wanafunzi hujifunza 'kwa nini' za suluhisho wanazolijenga, na kupata thamani kwa mtumiaji wa mwisho. ## Vifaa +Tuna chaguzi mbili za vifaa vya IoT kutumia kwa miradi kulingana na upendeleo binafsi, ujuzi wa lugha ya programu au matakwa, malengo ya kujifunza na upatikanaji. Pia tumeandaa toleo la 'vifaa halisi vya mtandao' kwa wale wasio na upatikanaji wa vifaa, au wanataka kujifunza zaidi kabla ya kuamua kununua. Unaweza kusoma zaidi na kupata 'orodha ya ununuzi' kwenye [ukurasa wa vifaa](./hardware.md), ikiwa ni pamoja na viungo vya kununua vifaa kamili kutoka kwa marafiki wetu wa Seeed Studio. -Tuna chaguzi mbili za vifaa vya IoT kutumia kwa miradi kulingana na upendeleo binafsi, maarifa ya lugha ya programu au upendeleo, malengo ya kujifunza na upatikanaji. Pia tumetoa toleo la 'vifaa pepe' kwa wale wasio na vifaa au wanaotaka kujifunza zaidi kabla ya kununua. Unaweza kusoma zaidi na kupata 'orodha ya manunuzi' kwenye [ukurasa wa vifaa](./hardware.md), pamoja na viungo vya kununua vifaa kamili kutoka kwa marafiki wetu wa Seeed Studio. -> 💁 Pata [Kanuni zetu za Maadili](CODE_OF_CONDUCT.md), [Miongozo ya Kuchangia](CONTRIBUTING.md), na [Miongozo ya Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako yenye kujenga! +> 💁 Tafuta [Kanuni zetu za Maadili](CODE_OF_CONDUCT.md), [Michango](CONTRIBUTING.md), na miongozo ya [Tafsiri](TRANSLATIONS.md). Tunakaribisha maoni yako ya kujenga! > -> 🔧 Unapata shida? Angalia [Mwongozo wa Kutatua Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida. +> 🔧 Una matatizo? Angalia [Mwongozo wetu wa Kutatua Matatizo](TROUBLESHOOTING.md) kwa suluhisho za matatizo ya kawaida. ## Kila somo linajumuisha: - sketchnote -- video ya ziada hiari -- mtihani wa joto kabla ya somo +- video ya ziada ya hiari +- mtihani wa kujiandaa kabla ya somo - somo lililoandikwa -- kwa masomo yanayotegemea mradi, miongozo hatua kwa hatua juu ya jinsi ya kujenga mradi +- kwa masomo yanayotegemea mradi, miongozo kwa hatua kwa hatua juu ya jinsi ya kujenga mradi - ukaguzi wa maarifa - changamoto -- kusoma kwa ziada +- usomaji wa ziada - kazi ya nyumbani -- [mtihani wa baada ya somo](https://ff-quizzes.netlify.app/en/) +- [mtihani baada ya somo](https://ff-quizzes.netlify.app/en/) -> **Kumbuka kuhusu mitihani**: Mitihani yote iko katika folda ya quiz-app, kwa jumla ya mitihani 48 yenye maswali matatu kila moja. Imeunganishwa kutoka ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa mahali pako au kuwekwa Azure; fuata maelekezo katika folda ya `quiz-app`. Zinatafsiriwa taratibu. +> **Kumbuka kuhusu mitihani**: Mitihani yote iko katika folda ya quiz-app, kwa jumla ya mitihani 48 yenye maswali matatu kila moja. Inahusishwa kutoka ndani ya masomo lakini programu ya mtihani inaweza kuendeshwa kwa ndani au kuwekwa kwenye Azure; fuata maelekezo katika folda ya `quiz-app`. Inaendelea kutafsiriwa kidogo kidogo. ## Masomo -| | Jina la Mradi | Maudhui Yanayofundishwa | Malengo ya Kujifunza | Somo Lililo Unganishwa | -| :---: | :------------------------------------: | :----------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| 01 | [Kuanza](./1-getting-started/README.md) | Utangulizi wa IoT | Jifunze kanuni za msingi za IoT na vipengele vya msingi vya mifumo ya IoT kama sensor na huduma za wingu wakati unapoanzisha kifaa chako cha kwanza cha IoT | [Utangulizi wa IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [Kuanza](./1-getting-started/README.md) | Kuzama zaidi katika IoT | Jifunze zaidi kuhusu vipengele vya mfumo wa IoT, pamoja na microcontrollers na kompyuta ndogo za bodi moja | [Kuzama zaidi katika IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [Kuanza](./1-getting-started/README.md) | Shirikiana na ulimwengu halisi kwa kutumia sensor na actuator | Jifunze kuhusu sensor za kukusanya data kutoka ulimwengu halisi, na actuators za kutuma mrejesho, wakati unajenga taa ya usiku | [Shirikiana na ulimwengu halisi kwa sensor na actuator](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [Kuanza](./1-getting-started/README.md) | Unganisha kifaa chako na Intaneti | Jifunze jinsi ya kuunganisha kifaa cha IoT kwenye Intaneti kutuma na kupokea ujumbe kwa kuunganisha taa yako ya usiku kwenye broker wa MQTT | [Unganisha kifaa chako na Intaneti](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [Shamba](./2-farm/README.md) | Tabiri ukuaji wa mimea | Jifunze jinsi ya kutabiri ukuaji wa mimea kwa kutumia data ya joto iliyokusanywa na kifaa cha IoT | [Tabiri ukuaji wa mimea](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [Shamba](./2-farm/README.md) | Gundua unyevu wa udongo | Jifunze jinsi ya kugundua unyevu wa udongo na kurekebisha sensor ya unyevu wa udongo | [Gundua unyevu wa udongo](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [Shamba](./2-farm/README.md) | Umwagiliaji wa mimea ulioendeshwa na mashine | Jifunze jinsi ya kuendesha umwagiliaji kwa wakati kwa kutumia relay na MQTT | [Umwagiliaji wa mimea ulioendeshwa na mashine](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [Shamba](./2-farm/README.md) | Hamisha mmea wako kwenye wingu | Jifunze kuhusu wingu na huduma za IoT zinazohudumiwa kwenye wingu na jinsi ya kuunganisha mmea wako na moja kati ya hizi badala ya broker wa MQTT wa umma | [Hamisha mmea wako kwenye wingu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [Shamba](./2-farm/README.md) | Hamisha mantiki ya programu yako kwenda wingu | Jifunze jinsi unavyoweza kuandika mantiki ya programu kwenye wingu inayojibu ujumbe wa IoT | [Hamisha mantiki ya programu yako kwenda wingu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [Shamba](./2-farm/README.md) | Linda mmea wako salama | Jifunze kuhusu usalama katika IoT na jinsi ya kulinda mmea wako kwa kutumia funguo na vyeti | [Linda mmea wako salama](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [Usafirishaji](./3-transport/README.md) | Ufuatiliaji wa eneo | Jifunze kuhusu ufuatiliaji wa eneo kwa matumizi ya GPS kwa vifaa vya IoT | [Ufuatiliaji wa eneo](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [Usafirishaji](./3-transport/README.md) | Hifadhi data ya eneo | Jifunze jinsi ya kuhifadhi data ya IoT ili ionyeshwe au ichunguzwe baadaye | [Hifadhi data ya eneo](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [Usafirishaji](./3-transport/README.md) | Onyesha data ya eneo | Jifunze kuhusu kuonyesha data ya eneo kwenye ramani, na jinsi ramani zinavyoonyesha ulimwengu wa kweli wa 3d katika vipimo 2 | [Onyesha data ya eneo](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [Usafirishaji](./3-transport/README.md) | Makaazi salama | Jifunze kuhusu makaazi salama, na jinsi yanavyotumika kutoa tahadhari wakati magari katika mnyororo wa usambazaji yako karibu na marudio yao | [Makaazi salama](./3-transport/lessons/4-geofences/README.md) | -| 15 | [Uzalishaji](./4-manufacturing/README.md) | Fundisha detector wa ubora wa matunda | Jifunze kuhusu kufundisha kisafirishaji picha kwenye wingu kugundua ubora wa matunda | [Fundisha detector wa ubora wa matunda](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [Uzalishaji](./4-manufacturing/README.md) | Angalia ubora wa matunda kutoka kifaa cha IoT | Jifunze kuhusu kutumia detector wa ubora wa matunda kutoka kifaa cha IoT | [Angalia ubora wa matunda kutoka kifaa cha IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [Uzalishaji](./4-manufacturing/README.md) | Endesha detector wa matunda kwenye edge | Jifunze kuhusu kuendesha detector wako wa matunda kwenye kifaa cha IoT kwenye edge | [Endesha detector wa matunda kwenye edge](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [Uzalishaji](./4-manufacturing/README.md) | Weka kichocheo cha kugundua ubora wa matunda kutoka sensor | Jifunze kuhusu kuweka kichocheo cha kugundua ubora wa matunda kutoka sensor | [Weka kichocheo cha kugundua ubora wa matunda kutoka sensor](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [Uuzaji](./5-retail/README.md) | Fundisha detector wa hesabu ya bidhaa | Jifunze jinsi ya kutumia kugundua vitu kufundisha detector wa hesabu ya bidhaa kuhesabu bidhaa dukani | [Fundisha detector wa hesabu ya bidhaa](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [Uuzaji](./5-retail/README.md) | Angalia hesabu kutoka kifaa cha IoT | Jifunze jinsi ya kuangalia hesabu kutoka kifaa cha IoT kwa kutumia mfano wa kugundua vitu | [Angalia hesabu kutoka kifaa cha IoT](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [Mtumiaji](./6-consumer/README.md) | Tambua hotuba kwa kifaa cha IoT | Jifunze jinsi ya kutambua hotuba kutoka kifaa cha IoT kujenga kengele mahiri | [Tambua hotuba kwa kifaa cha IoT](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [Mtumiaji](./6-consumer/README.md) | Elewa lugha | Jifunze jinsi ya kuelewa sentensi zinazozungumzwa kwa kifaa cha IoT | [Elewa lugha](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [Mtumiaji](./6-consumer/README.md) | Weka kengele na toa mrejesho wa maneno | Jifunze jinsi ya kuweka kengele kwenye kifaa cha IoT na kutoa mrejesho wa maneno juu ya wakati kengele ilipowekwa na ilipomalizika | [Weka kengele na toa mrejesho wa maneno](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [Mtumiaji](./6-consumer/README.md) | Saidia lugha nyingi | Jifunze jinsi ya kusaidia lugha nyingi, kwa kutoa mawasilisho na kujibu kutoka kwenye kengele mahiri | [Saidia lugha nyingi](./6-consumer/lessons/4-multiple-language-support/README.md) | - -## Ufikiaji bila mtandao - -Unaweza kuendesha nyaraka hii bila mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Nakili hii repo, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda ya mzizi ya repo hii, andika `docsify serve`. Tovuti itaendeshwa kwenye bandari 3000 kwenye localhost yako: `localhost:3000`. +| | Jina la Mradi | Dhana Zinazofundishwa | Malengo ya Kujifunza | Somo Lililohusishwa | +| :---: | :------------------------------------: | :---------------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------: | +| 01 | [Kuanza](./1-getting-started/README.md) | Utangulizi wa IoT | Jifunze kanuni za msingi za IoT na vitu msingi vya suluhisho za IoT kama vile sensa na huduma za wingu wakati unapoandaa kifaa chako cha kwanza cha IoT | [Utangulizi wa IoT](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [Kuanza](./1-getting-started/README.md) | Kuelewa kwa kina IoT | Jifunze zaidi kuhusu vipengele vya mfumo wa IoT, pamoja na mikrokontrolla na kompyuta za kibodi moja | [Kuelewa kwa kina IoT](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [Kuanza](./1-getting-started/README.md) | Shirikiana na ulimwengu halisi kwa kutumia sensa na vifaa vya kutenda | Jifunze kuhusu sensa za kukusanya data kutoka kwa ulimwengu halisi, na vifaa vya kutenda kutoa mrejesho, wakati unajenga taa ya usiku | [Shirikiana na ulimwengu halisi kwa kutumia sensa na vifaa vya kutenda](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [Kuanza](./1-getting-started/README.md) | Unganisha kifaa chako na Intaneti | Jifunze jinsi ya kuunganisha kifaa cha IoT na Intaneti kutuma na kupokea ujumbe kwa kuunganisha taa yako ya usiku kwenye broker wa MQTT | [Unganisha kifaa chako na Intaneti](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [Shamba](./2-farm/README.md) | Kubashiri ukuaji wa mimea | Jifunze jinsi ya kubashiri ukuaji wa mimea kwa kutumia data ya joto iliyokusanywa na kifaa cha IoT | [Kubashiri ukuaji wa mimea](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [Shamba](./2-farm/README.md) | Kugundua unyevu wa udongo | Jifunze jinsi ya kugundua unyevu wa udongo na kalibrisha sensa ya unyevu wa udongo | [Kugundua unyevu wa udongo](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [Shamba](./2-farm/README.md) | Mlolongo wa kumwagilia mimea kiotomatiki | Jifunze jinsi ya kiotomati na kuweka ratiba ya kumwagilia kwa kutumia relai na MQTT | [Mlolongo wa kumwagilia mimea kiotomatiki](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [Shamba](./2-farm/README.md) | Hamisha mmea wako kwenda wingu | Jifunze kuhusu wingu na huduma za IoT zilizo kwenye wingu na jinsi ya kuunganisha mmea wako kwa moja ya hizi badala ya broker wa umma wa MQTT | [Hamisha mmea wako kwenda wingu](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [Shamba](./2-farm/README.md) | Hamisha mantiki ya programu kwenda wingu | Jifunze jinsi unavyoweza kuandika mantiki ya programu kwenye wingu inayojibu ujumbe za IoT | [Hamisha mantiki ya programu kwenda wingu](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [Shamba](./2-farm/README.md) | Linda mmea wako | Jifunze kuhusu usalama wa IoT na jinsi ya kulinda mmea wako kwa kutumia funguo na vyeti | [Linda mmea wako](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [Usafiri](./3-transport/README.md) | Ufuatiliaji wa eneo | Jifunze kuhusu ufuatiliaji wa eneo kwa kutumia GPS kwa vifaa vya IoT | [Ufuatiliaji wa eneo](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [Usafiri](./3-transport/README.md) | Kuhifadhi data za eneo | Jifunze jinsi ya kuhifadhi data za IoT ili kuonyeshwa au kuchunguzwa baadaye | [Kuhifadhi data za eneo](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [Usafiri](./3-transport/README.md) | Onyesha data za eneo | Jifunze kuhusu jinsi ya kuonyesha data za eneo kwenye ramani, na jinsi ramani zinavyoonyesha dunia halisi ya 3d kwa vipimo 2d | [Onyesha data za eneo](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [Usafiri](./3-transport/README.md) | Vizuizi vya eneo | Jifunze kuhusu vizuizi vya eneo, na jinsi vinaweza kutumika kutoa tahadhari wakati magari katika mnyororo wa usambazaji yapo karibu na mahali pao | [Vizuizi vya eneo](./3-transport/lessons/4-geofences/README.md) | +| 15 | [Uzalishaji](./4-manufacturing/README.md) | Fanya mafunzo ya mchine wa ubora wa matunda | Jifunze kuhusu kufundisha mfunguzi picha katika wingu kugundua ubora wa matunda | [Fanya mafunzo ya mchine wa ubora wa matunda](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [Uzalishaji](./4-manufacturing/README.md) | Pima ubora wa matunda kutoka kifaa cha IoT | Jifunze kuhusu kutumia mchine wako wa kugundua ubora wa matunda kutoka kifaa cha IoT | [Pima ubora wa matunda kutoka kifaa cha IoT](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [Uzalishaji](./4-manufacturing/README.md) | Endesha mchine wako wa matunda pembezoni | Jifunze kuhusu kuendesha mchine wako wa matunda kwenye kifaa cha IoT pembezoni | [Endesha mchine wako wa matunda pembezoni](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [Uzalishaji](./4-manufacturing/README.md) | Zindua ugunduzi wa ubora wa matunda kutoka sensa | Jifunze kuhusu kuzindua ugunduzi wa ubora wa matunda kutoka kwa sensa | [Zindua ugunduzi wa ubora wa matunda kutoka sensa](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [Mauzo](./5-retail/README.md) | Fanya mafunzo ya mchine wa hesabu za bidhaa | Jifunze jinsi ya kutumia kugundua vitu kufundisha mchine wa hesabu ya bidhaa duka | [Fanya mafunzo ya mchine wa hesabu ya bidhaa](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [Mauzo](./5-retail/README.md) | Angalia hesabu kutoka kifaa cha IoT | Jifunze jinsi ya kuangalia hesabu kutoka kifaa cha IoT kwa kutumia modeli ya kugundua vitu | [Angalia hesabu kutoka kifaa cha IoT](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [Mtumiaji](./6-consumer/README.md) | Tambua hotuba kwa kifaa cha IoT | Jifunze jinsi ya kutambua hotuba kutoka kifaa cha IoT kujenga kichezeshi cha muda mahiri | [Tambua hotuba kwa kifaa cha IoT](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [Mtumiaji](./6-consumer/README.md) | Fahamu lugha | Jifunze jinsi ya kuelewa sentensi zilizoelezwa kwa kifaa cha IoT | [Fahamu lugha](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [Mtumiaji](./6-consumer/README.md) | Weka kichezeshi na toa mrejesho wa maneno | Jifunze jinsi ya kuweka kichezeshi kwenye kifaa cha IoT na kutoa mrejesho kwa maneno kuhusu wakati kichezeshi kimewekwa na linapomalizika | [Weka kichezeshi na toa mrejesho wa maneno](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [Mtumiaji](./6-consumer/README.md) | Saidia lugha nyingi | Jifunze jinsi ya kusaidia lugha nyingi, zote zinazosemwa na majibu kutoka kwa kichezeshi chako mahiri | [Saidia lugha nyingi](./6-consumer/lessons/4-multiple-language-support/README.md) | + +## Ufikiaji wa Nje ya Mtandao + +Unaweza kuendesha nyaraka hii nje ya mtandao kwa kutumia [Docsify](https://docsify.js.org/#/). Fuatilia repo hii, [weka Docsify](https://docsify.js.org/#/quickstart) kwenye mashine yako ya ndani, kisha kwenye folda ya mizizi ya repo hii, andika `docsify serve`. Tovuti itakuwa inatolewa kwenye lango la 3000 kwenye localhost yako: `localhost:3000`. ## Mtihani -Asante kwa jamii kwa kuandaa mtihani wa mwingiliano ambapo unajaribu maarifa yako katika kila sura. Jaribu maarifa yako [hapa](https://ff-quizzes.netlify.app/en/) +Shukrani kwa jamii kwa kuandaa mtihani wa kuingiliana unaojaribu ujuzi wako katika kila sura. Jaribu ujuzi wako [hapa](https://ff-quizzes.netlify.app/en/) ### PDF -Unaweza kutengeneza PDF ya maudhui haya kwa ufikiaji wa bila mtandao endapo inahitajika. Ili kufanya hivyo, hakikisha una [npm imewekwa](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) kisha endesha amri zifuatazo kwenye folda ya mzizi ya repo hii: +Unaweza kuunda PDF ya maudhui haya kwa ufikiaji wa nje ya mtandao ikiwa inahitajika. Ili kufanya hivyo, hakikisha umeweka [npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) na endesha amri zifuatazo kwenye folda ya mzizi ya repo hii: ```sh npm i npm run convert ``` -### Mfululizo wa slaidi +### Slides -Kuna mfululizo wa slaidi kwa baadhi ya masomo kwenye folda ya [slides](../../slides). +Kuna mkusanyiko wa slaidi za baadhi ya masomo katika folda ya [slides](../../slides). -## Mitaala Mingine +## Mitaala Mengine -Timu yetu hutengeneza mitaala mingine! Angalia: +Timu yetu hutoa mitaala mingine! Angalia: ### LangChain -[![LangChain4j kwa Komavu](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 kwa Komavu](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 kwa Waanzilishi](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 kwa Waanzilishi](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 kwa Waanzilishi](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 / Mawakala -[![AZD kwa Komavu](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 kwa Komavu](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 kwa Komavu](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) +### Azure / Edge / MCP / Wakala +[![AZD kwa Waanzilishi](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 kwa Waanzilishi](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 kwa Waanzilishi](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) [![Wakala wa AI kwa Waanzilishi](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) --- -### Mfululizo wa AI Inayozalisha -[![AI Inayozalisha kwa Waanzilishi](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI Inayozalisha (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![AI Inayozalisha (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![AI Inayozalisha (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) +### Mfululizo wa AI Inayotengeneza +[![AI Inayotengeneza kwa Waanzilishi](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Inayotengeneza (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![AI Inayotengeneza (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![AI Inayotengeneza (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) --- -### Mafunzo Muhimu +### Kujifunza Msingi [![ML kwa Waanzilishi](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) [![Sayansi ya Data kwa Waanzilishi](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 kwa Waanzilishi](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) [![Usalama wa Mtandao kwa Waanzilishi](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) -[![Uendelezaji wa Tovuti kwa Waanzilishi](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) +[![Uendelezaji wa Mtandao kwa Waanzilishi](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 kwa Waanzilishi](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) -[![Uendelezaji wa XR kwa Waanzilishi](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) +[![Maendeleo ya XR kwa Waanzilishi](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) --- ### Mfululizo wa Copilot -[![Copilot kwa Uandishi wa Programu kwa Pamoja na 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 kwa Uandishi wa Pamoja wa 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 kwa 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) -[![Safari ya Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Adventure ya Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Mikopo ya Picha -Unaweza kupata mikopo yote ya picha zinazotumika katika mtaala huu inapohitajika katika [Attributions](./attributions.md). +Unaweza kupata mikopo yote ya picha zilizotumika katika mtaala huu pale inapohitajika katika [Mikopo](./attributions.md). --- -**Diwani**: -Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Ingawa tunajitahidi kuhakikisha usahihi, tafadhali fahamu kwamba tafsiri za moja kwa moja zinaweza kuwa na makosa au upotoshaji. Hati asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayotolewa na binadamu inashauriwa. Hatubebi dhamana kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii. +**Maelezo ya Kukataa**: +Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI [Co-op Translator](https://github.com/Azure/co-op-translator). Wakati tunajitahidi kuwa sahihi, tafadhali fahamu kwamba tafsiri za moja kwa moja zinaweza kuwa na makosa au kutoeleweka vyema. Hati ya asili katika lugha yake ya asili inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa habari muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatuwezi kuwajibika kwa kutokuelewana au tafsiri potofu zinazoibuka kutokana na matumizi ya tafsiri hii. \ No newline at end of file diff --git a/translations/sw/hardware.md b/translations/sw/hardware.md index c87541bb4..a8bef873d 100644 --- a/translations/sw/hardware.md +++ b/translations/sw/hardware.md @@ -26,7 +26,7 @@ Seeed Studios wamefanya vifaa vyote kupatikana kwa urahisi kama vifurushi vya ku **[IoT kwa wanaoanza na Seeed na Microsoft - Kifurushi cha Kuanza cha Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Kifurushi cha vifaa vya Raspberry Pi Terminal](../../translated_images/sw/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Kifurushi cha vifaa vya Raspberry Pi Terminal](../../translated_images/sw/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino