From e32e73661ce02f047a41137bd73465ed2080362d Mon Sep 17 00:00:00 2001 From: "localizeflow[bot]" Date: Mon, 6 Apr 2026 16:03:29 +0000 Subject: [PATCH] chore(i18n): sync translations with latest source changes (chunk 1/1, 184 changes) --- translations/fa/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 8 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 4 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../pi-soil-moisture.md | 4 +- .../virtual-device-soil-moisture.md | 4 +- .../wio-terminal-soil-moisture.md | 2 +- .../3-automated-plant-watering/README.md | 6 +- .../3-automated-plant-watering/pi-relay.md | 4 +- .../virtual-device-relay.md | 4 +- .../wio-terminal-relay.md | 2 +- .../README.md | 12 +- .../README.md | 6 +- .../6-keep-your-plant-secure/README.md | 6 +- .../lessons/1-location-tracking/README.md | 10 +- .../1-location-tracking/pi-gps-sensor.md | 4 +- .../virtual-device-gps-sensor.md | 10 +- .../wio-terminal-gps-sensor.md | 2 +- .../lessons/2-store-location-data/README.md | 10 +- .../3-visualize-location-data/README.md | 12 +- .../3-transport/lessons/4-geofences/README.md | 8 +- .../lessons/1-train-fruit-detector/README.md | 16 +- .../2-check-fruit-from-device/README.md | 10 +- .../2-check-fruit-from-device/pi-camera.md | 10 +- .../single-board-computer-classify-image.md | 2 +- .../virtual-device-camera.md | 6 +- .../wio-terminal-camera.md | 6 +- .../wio-terminal-classify-image.md | 2 +- .../3-run-fruit-detector-edge/README.md | 14 +- .../4-trigger-fruit-detector/README.md | 10 +- .../4-trigger-fruit-detector/pi-proximity.md | 2 +- .../virtual-device-proximity.md | 4 +- .../wio-terminal-proximity.md | 2 +- .../lessons/1-train-stock-detector/README.md | 14 +- .../lessons/2-check-stock-device/README.md | 12 +- .../single-board-computer-object-detector.md | 2 +- .../wio-terminal-object-detector.md | 2 +- .../lessons/1-speech-recognition/README.md | 10 +- .../lessons/1-speech-recognition/pi-audio.md | 4 +- .../1-speech-recognition/pi-microphone.md | 2 +- .../wio-terminal-audio.md | 2 +- .../2-language-understanding/README.md | 6 +- .../lessons/3-spoken-feedback/README.md | 2 +- .../4-multiple-language-support/README.md | 6 +- .../pi-translate-speech.md | 2 +- .../virtual-device-translate-speech.md | 2 +- .../wio-terminal-translate-speech.md | 2 +- translations/fa/README.md | 225 ++++++++-------- translations/fa/hardware.md | 2 +- translations/ur/.co-op-translator.json | 4 +- .../lessons/1-introduction-to-iot/README.md | 2 +- .../1-introduction-to-iot/virtual-device.md | 4 +- .../lessons/2-deeper-dive/README.md | 10 +- .../lessons/3-sensors-and-actuators/README.md | 10 +- .../3-sensors-and-actuators/pi-actuator.md | 4 +- .../3-sensors-and-actuators/pi-sensor.md | 4 +- .../virtual-device-actuator.md | 4 +- .../virtual-device-sensor.md | 4 +- .../wio-terminal-actuator.md | 2 +- .../lessons/4-connect-internet/README.md | 10 +- .../lessons/1-predict-plant-growth/README.md | 4 +- .../1-predict-plant-growth/assignment.md | 2 +- .../lessons/1-predict-plant-growth/pi-temp.md | 2 +- .../virtual-device-temp.md | 8 +- .../wio-terminal-temp.md | 2 +- .../lessons/2-detect-soil-moisture/README.md | 2 +- .../2-detect-soil-moisture/assignment.md | 4 +- .../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-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 +- .../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/ur/README.md | 245 ++++++++++-------- translations/ur/hardware.md | 2 +- translations/zh-CN/.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/zh-CN/README.md | 192 +++++++------- translations/zh-CN/hardware.md | 2 +- 184 files changed, 871 insertions(+), 811 deletions(-) diff --git a/translations/fa/.co-op-translator.json b/translations/fa/.co-op-translator.json index 81296accc..fc60d3ee1 100644 --- a/translations/fa/.co-op-translator.json +++ b/translations/fa/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "fa" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T01:13:04+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T15:58:34+00:00", "source_file": "README.md", "language_code": "fa" }, diff --git a/translations/fa/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/fa/1-getting-started/lessons/1-introduction-to-iot/README.md index 9440b740a..38c727e89 100644 --- a/translations/fa/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/fa/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # مقدمه‌ای بر اینترنت اشیا -![تصویری از خلاصه درس](../../../../../translated_images/fa/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![تصویری از خلاصه درس](../../../../../translated_images/fa/lesson-1.2606670fa61ee904.webp) > طراحی توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. diff --git a/translations/fa/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/fa/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 50591f8d1..1509ab137 100644 --- a/translations/fa/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/fa/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ اپلیکیشن شروع به اجرا می‌کند و در مرورگر وب شما باز می‌شود: - ![The Counter Fit app running in a browser](../../../../../translated_images/fa/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![The Counter Fit app running in a browser](../../../../../translated_images/fa/counterfit-first-run.433326358b669b31.webp) این اپلیکیشن به عنوان *Disconnected* علامت‌گذاری شده است و LED در گوشه بالا-راست خاموش است. @@ -224,7 +224,7 @@ 1. در این ترمینال جدید، فایل `app.py` را همانند قبل اجرا کنید. وضعیت CounterFit به **Connected** تغییر خواهد کرد و LED روشن خواهد شد. - ![Counter Fit showing as connected](../../../../../translated_images/fa/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit showing as connected](../../../../../translated_images/fa/counterfit-connected.ed30b46d8f79b092.webp) > 💁 می‌توانید این کد را در پوشه [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) پیدا کنید. diff --git a/translations/fa/1-getting-started/lessons/2-deeper-dive/README.md b/translations/fa/1-getting-started/lessons/2-deeper-dive/README.md index e1b5c26d8..fce2eb678 100644 --- a/translations/fa/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/fa/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # بررسی عمیق‌تر اینترنت اشیا (IoT) -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-2.324b0580d620c25e.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -38,7 +38,7 @@ این دستگاه‌ها با دنیای فیزیکی تعامل دارند، یا با استفاده از حسگرها برای جمع‌آوری داده از محیط اطراف خود، یا با کنترل خروجی‌ها یا عملگرها برای ایجاد تغییرات فیزیکی. مثال معمول این موضوع یک ترموستات هوشمند است - دستگاهی که دارای حسگر دما، وسیله‌ای برای تنظیم دمای مطلوب مانند یک صفحه لمسی یا دکمه، و یک اتصال به سیستم گرمایش یا سرمایش است که می‌تواند زمانی که دمای تشخیص داده شده خارج از محدوده مطلوب است، روشن شود. حسگر دما تشخیص می‌دهد که اتاق خیلی سرد است و یک عملگر گرمایش را روشن می‌کند. -![یک نمودار که دما و یک دکمه را به عنوان ورودی‌های یک دستگاه اینترنت اشیا و کنترل یک بخاری را به عنوان خروجی نشان می‌دهد](../../../../../translated_images/fa/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![یک نمودار که دما و یک دکمه را به عنوان ورودی‌های یک دستگاه اینترنت اشیا و کنترل یک بخاری را به عنوان خروجی نشان می‌دهد](../../../../../translated_images/fa/basic-thermostat.a923217fd1f37e5a.webp) انواع بسیار متنوعی از دستگاه‌ها می‌توانند به عنوان دستگاه‌های اینترنت اشیا عمل کنند، از سخت‌افزارهای اختصاصی که یک چیز خاص را حس می‌کنند، تا دستگاه‌های چندمنظوره، حتی گوشی هوشمند شما! یک گوشی هوشمند می‌تواند از حسگرها برای تشخیص دنیای اطراف خود استفاده کند و از عملگرها برای تعامل با دنیا - برای مثال، استفاده از حسگر GPS برای تشخیص موقعیت مکانی شما و یک بلندگو برای ارائه دستورالعمل‌های مسیریابی به مقصد. @@ -54,7 +54,7 @@ در مثال یک ترموستات هوشمند، ترموستات از طریق WiFi خانگی به یک سرویس ابری متصل می‌شود. این دستگاه داده‌های دما را به این سرویس ابری ارسال می‌کند و از آنجا به یک پایگاه داده نوشته می‌شود که به صاحب خانه اجازه می‌دهد دماهای فعلی و گذشته را با استفاده از یک اپلیکیشن تلفن همراه بررسی کند. یک سرویس دیگر در ابر می‌داند که صاحب خانه چه دمایی را می‌خواهد و پیام‌هایی را از طریق سرویس ابری به دستگاه اینترنت اشیا ارسال می‌کند تا سیستم گرمایش را روشن یا خاموش کند. -![یک نمودار که دما و یک دکمه را به عنوان ورودی‌های یک دستگاه اینترنت اشیا، دستگاه اینترنت اشیا با ارتباط دوطرفه با ابر، که به نوبه خود ارتباط دوطرفه با یک تلفن دارد، و کنترل یک بخاری را به عنوان خروجی از دستگاه اینترنت اشیا نشان می‌دهد](../../../../../translated_images/fa/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![یک نمودار که دما و یک دکمه را به عنوان ورودی‌های یک دستگاه اینترنت اشیا، دستگاه اینترنت اشیا با ارتباط دوطرفه با ابر، که به نوبه خود ارتباط دوطرفه با یک تلفن دارد، و کنترل یک بخاری را به عنوان خروجی از دستگاه اینترنت اشیا نشان می‌دهد](../../../../../translated_images/fa/mobile-controlled-thermostat.4a994010473d8d6a.webp) نسخه‌ای حتی هوشمندتر می‌تواند از هوش مصنوعی در ابر با داده‌های حسگرهای دیگر متصل به دستگاه‌های اینترنت اشیا مانند حسگرهای اشغال که تشخیص می‌دهند کدام اتاق‌ها استفاده می‌شوند، و همچنین داده‌هایی مانند وضعیت آب و هوا و حتی تقویم شما استفاده کند تا تصمیماتی در مورد تنظیم دما به صورت هوشمندانه بگیرد. برای مثال، می‌تواند گرمایش شما را خاموش کند اگر از تقویم شما بخواند که در تعطیلات هستید، یا گرمایش را به صورت اتاق به اتاق خاموش کند بسته به اینکه از کدام اتاق‌ها استفاده می‌کنید، و با یادگیری از داده‌ها به مرور زمان دقیق‌تر شود. @@ -94,7 +94,7 @@ > 💁 پردازنده‌ها برنامه‌ها را با استفاده از [چرخه واکشی-رمزگشایی-اجرا](https://wikipedia.org/wiki/Instruction_cycle) اجرا می‌کنند. برای هر تیک ساعت، پردازنده دستورالعمل بعدی را از حافظه واکشی می‌کند، آن را رمزگشایی می‌کند و سپس اجرا می‌کند، مانند استفاده از واحد منطق حسابی (ALU) برای جمع دو عدد. برخی اجراها ممکن است چندین تیک طول بکشند، بنابراین چرخه بعدی در تیک بعدی پس از تکمیل دستورالعمل اجرا می‌شود. -![چرخه واکشی-رمزگشایی-اجرا که واکشی دستورالعمل از برنامه ذخیره‌شده در RAM، سپس رمزگشایی و اجرای آن روی پردازنده را نشان می‌دهد](../../../../../translated_images/fa/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![چرخه واکشی-رمزگشایی-اجرا که واکشی دستورالعمل از برنامه ذخیره‌شده در RAM، سپس رمزگشایی و اجرای آن روی پردازنده را نشان می‌دهد](../../../../../translated_images/fa/fetch-decode-execute.2fd6f150f6280392.webp) میکروکنترلرها سرعت ساعت بسیار کمتری نسبت به کامپیوترهای رومیزی یا لپ‌تاپ‌ها، یا حتی اکثر گوشی‌های هوشمند دارند. برای مثال، Wio Terminal دارای پردازنده‌ای است که با سرعت ۱۲۰ مگاهرتز یا ۱۲۰,۰۰۰,۰۰۰ چرخه در ثانیه کار می‌کند. @@ -182,7 +182,7 @@ RAM حافظه‌ای است که برنامه برای اجرا از آن اس شما کد تنظیمات خود را در تابع `setup` می‌نویسید، مانند اتصال به WiFi و خدمات ابری یا مقداردهی اولیه پین‌ها برای ورودی و خروجی. کد حلقه شما سپس شامل کد پردازش می‌شود، مانند خواندن از یک حسگر و ارسال مقدار به ابر. معمولاً در هر حلقه یک تأخیر اضافه می‌کنید، برای مثال، اگر فقط می‌خواهید داده‌های حسگر هر ۱۰ ثانیه ارسال شود، در انتهای حلقه یک تأخیر ۱۰ ثانیه‌ای اضافه می‌کنید تا میکروکنترلر بخوابد، انرژی ذخیره کند، و سپس حلقه را دوباره اجرا کند. -![یک اسکچ آردوینو که ابتدا setup را اجرا می‌کند و سپس loop را به‌طور مکرر اجرا می‌کند](../../../../../translated_images/fa/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![یک اسکچ آردوینو که ابتدا setup را اجرا می‌کند و سپس loop را به‌طور مکرر اجرا می‌کند](../../../../../translated_images/fa/arduino-sketch.79590cb837ff7a7c.webp) ✅ این معماری برنامه به‌عنوان یک *حلقه رویداد* یا *حلقه پیام* شناخته می‌شود. بسیاری از برنامه‌ها در پشت صحنه از این معماری استفاده می‌کنند و این استاندارد برای اکثر برنامه‌های دسکتاپی است که روی سیستم‌عامل‌هایی مانند ویندوز، macOS یا لینوکس اجرا می‌شوند. حلقه `loop` پیام‌ها را از اجزای رابط کاربری مانند دکمه‌ها یا دستگاه‌هایی مانند صفحه‌کلید گوش می‌دهد و به آن‌ها پاسخ می‌دهد. می‌توانید در این [مقاله درباره حلقه رویداد](https://wikipedia.org/wiki/Event_loop) بیشتر بخوانید. diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/README.md index a2d1a4a4b..2757e6335 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # تعامل با دنیای فیزیکی با حسگرها و عملگرها -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-3.cc3b7b4cd646de59.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -92,7 +92,7 @@ ساده‌ترین حسگر دیجیتال یک دکمه یا سوئیچ است. این یک حسگر با دو حالت است، روشن یا خاموش. -![یک دکمه ۵ ولت ارسال می‌کند. وقتی فشار داده نمی‌شود ۰ ولت بازمی‌گرداند، وقتی فشار داده می‌شود ۵ ولت بازمی‌گرداند](../../../../../translated_images/fa/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![یک دکمه ۵ ولت ارسال می‌کند. وقتی فشار داده نمی‌شود ۰ ولت بازمی‌گرداند، وقتی فشار داده می‌شود ۵ ولت بازمی‌گرداند](../../../../../translated_images/fa/button.eadb560b77ac45e5.webp) پین‌های دستگاه‌های IoT مانند پین‌های GPIO می‌توانند این سیگنال را مستقیماً به عنوان ۰ یا ۱ اندازه‌گیری کنند. اگر ولتاژ ارسال شده همان ولتاژ بازگشتی باشد، مقدار خوانده شده ۱ است، در غیر این صورت مقدار خوانده شده ۰ است. نیازی به تبدیل سیگنال نیست، فقط می‌تواند ۱ یا ۰ باشد. @@ -125,7 +125,7 @@ راهنمای مربوطه را دنبال کنید تا یک عملگر به دستگاه IoT خود اضافه کنید که توسط حسگر کنترل شود تا یک چراغ شب IoT بسازید. این چراغ سطح نور را از حسگر نور جمع‌آوری کرده و از یک عملگر به شکل LED برای انتشار نور زمانی که سطح نور تشخیص داده شده خیلی کم است استفاده می‌کند. -![یک نمودار جریان از تکلیف که نشان می‌دهد سطح نور خوانده و بررسی می‌شود و LED کنترل می‌شود](../../../../../translated_images/fa/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![یک نمودار جریان از تکلیف که نشان می‌دهد سطح نور خوانده و بررسی می‌شود و LED کنترل می‌شود](../../../../../translated_images/fa/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [کامپیوتر تک‌برد - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ عملگرهای آنالوگ یک سیگنال آنالوگ را گرفته و آن را به نوعی تعامل تبدیل می‌کنند، جایی که تعامل بر اساس ولتاژ ارائه شده تغییر می‌کند. یک مثال چراغ قابل تنظیم است، مانند چراغ‌هایی که ممکن است در خانه خود داشته باشید. مقدار ولتاژ ارائه شده به چراغ تعیین می‌کند که چقدر روشن باشد. -![یک چراغ که با ولتاژ پایین کم‌نور و با ولتاژ بالا روشن‌تر است](../../../../../translated_images/fa/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![یک چراغ که با ولتاژ پایین کم‌نور و با ولتاژ بالا روشن‌تر است](../../../../../translated_images/fa/dimmable-light.9ceffeb195dec1a8.webp) مانند حسگرها، دستگاه‌های واقعی اینترنت اشیا (IoT) با سیگنال‌های دیجیتال کار می‌کنند، نه آنالوگ. این بدان معناست که برای ارسال یک سیگنال آنالوگ، دستگاه اینترنت اشیا نیاز به یک مبدل دیجیتال به آنالوگ (DAC) دارد، یا به‌صورت مستقیم روی دستگاه اینترنت اشیا یا روی یک برد اتصال. این مبدل، 0 و 1‌های دستگاه اینترنت اشیا را به ولتاژ آنالوگ تبدیل می‌کند که عملگر بتواند از آن استفاده کند. @@ -187,7 +187,7 @@ یک عملگر دیجیتال ساده، LED است. وقتی یک دستگاه سیگنال دیجیتال 1 ارسال می‌کند، یک ولتاژ بالا ارسال می‌شود که LED را روشن می‌کند. وقتی یک سیگنال دیجیتال 0 ارسال می‌شود، ولتاژ به 0 ولت کاهش می‌یابد و LED خاموش می‌شود. -![یک LED در 0 ولت خاموش و در 5 ولت روشن است](../../../../../translated_images/fa/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![یک LED در 0 ولت خاموش و در 5 ولت روشن است](../../../../../translated_images/fa/led.ec6d94f66676a174.webp) ✅ چه عملگرهای ساده دو حالته دیگری می‌توانید تصور کنید؟ یک مثال، سلونوئید است که یک آهنربای الکتریکی است که می‌تواند فعال شود تا کارهایی مانند حرکت دادن یک قفل درب برای قفل کردن یا باز کردن درب انجام دهد. diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 76ed1a85b..d13b573f6 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ LED Grove به صورت یک ماژول با مجموعه‌ای از LED‌ها LED را وصل کنید. -![یک LED Grove](../../../../../translated_images/fa/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![یک LED Grove](../../../../../translated_images/fa/grove-led.6c853be93f473cf2.webp) 1. LED مورد علاقه خود را انتخاب کنید و پایه‌های آن را در دو سوراخ روی ماژول LED قرار دهید. @@ -40,7 +40,7 @@ LED را وصل کنید. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت دیجیتال علامت‌گذاری شده **D5** روی Grove Base hat متصل به پای وصل کنید. این سوکت دومین سوکت از سمت چپ در ردیف سوکت‌های کنار پین‌های GPIO است. -![LED Grove متصل به سوکت D5](../../../../../translated_images/fa/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![LED Grove متصل به سوکت D5](../../../../../translated_images/fa/pi-led.97f1d474981dc35d.webp) ## برنامه‌نویسی چراغ خواب diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index d12359482..888c17e4f 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ حسگر نور را متصل کنید. -![یک حسگر نور Grove](../../../../../translated_images/fa/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![یک حسگر نور Grove](../../../../../translated_images/fa/grove-light-sensor.b8127b7c434e632d.webp) 1. یک سر کابل Grove را به سوکت روی ماژول حسگر نور وارد کنید. این کابل فقط از یک جهت وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت آنالوگ با علامت **A0** روی کلاهک پایه Grove که به رزبری پای متصل است، وصل کنید. این سوکت دومین سوکت از سمت راست در ردیف سوکت‌های کنار پین‌های GPIO است. -![حسگر نور Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![حسگر نور Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-light-sensor.66cc1e31fa48cd7d.webp) ## برنامه‌نویسی حسگر نور diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index 4dccbd326..898812ad9 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ LED را به برنامه CounterFit اضافه کنید. 1. دکمه **Add** را انتخاب کنید تا LED روی پین 5 ایجاد شود. - ![تنظیمات LED](../../../../../translated_images/fa/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![تنظیمات LED](../../../../../translated_images/fa/counterfit-create-led.ba9db1c9b8c622a6.webp) LED ایجاد شده و در لیست عملگرها ظاهر می‌شود. - ![LED ایجاد شده](../../../../../translated_images/fa/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![LED ایجاد شده](../../../../../translated_images/fa/counterfit-led.c0ab02de6d256ad8.webp) پس از ایجاد LED، می‌توانید رنگ آن را با استفاده از انتخابگر *Color* تغییر دهید. دکمه **Set** را انتخاب کنید تا پس از انتخاب رنگ، آن را تغییر دهید. diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index f08dc927d..fd3ddae88 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر نور روی پین 0 ایجاد شود. - ![تنظیمات حسگر نور](../../../../../translated_images/fa/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![تنظیمات حسگر نور](../../../../../translated_images/fa/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) حسگر نور ایجاد خواهد شد و در لیست حسگرها ظاهر می‌شود. - ![حسگر نور ایجاد شده](../../../../../translated_images/fa/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![حسگر نور ایجاد شده](../../../../../translated_images/fa/counterfit-light-sensor.5d0f5584df56b90f.webp) ## برنامه‌نویسی حسگر نور diff --git a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index fc463979a..c4ff11c1a 100644 --- a/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/fa/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ LED Grove به صورت یک ماژول با مجموعه‌ای از LEDها ا LED را متصل کنید. -![یک LED Grove](../../../../../translated_images/fa/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![یک LED Grove](../../../../../translated_images/fa/grove-led.6c853be93f473cf2.webp) 1. LED مورد علاقه خود را انتخاب کرده و پایه‌های آن را در دو سوراخ روی ماژول LED قرار دهید. diff --git a/translations/fa/1-getting-started/lessons/4-connect-internet/README.md b/translations/fa/1-getting-started/lessons/4-connect-internet/README.md index b555e14f5..cde0e85d7 100644 --- a/translations/fa/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/fa/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # اتصال دستگاه شما به اینترنت -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-4.7344e074ea68fa54.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -47,7 +47,7 @@ MQTT محبوب‌ترین پروتکل ارتباطی برای دستگاه‌ MQTT دارای یک بروکر و چندین کلاینت است. تمام کلاینت‌ها به بروکر متصل می‌شوند و بروکر پیام‌ها را به کلاینت‌های مربوطه هدایت می‌کند. پیام‌ها با استفاده از موضوعات نام‌گذاری شده هدایت می‌شوند، نه اینکه مستقیماً به یک کلاینت خاص ارسال شوند. یک کلاینت می‌تواند به یک موضوع پیام ارسال کند و هر کلاینتی که به آن موضوع اشتراک کرده باشد پیام را دریافت خواهد کرد. -![دستگاه IoT تله‌متری را در موضوع /telemetry منتشر می‌کند و سرویس ابری به آن موضوع اشتراک می‌کند](../../../../../translated_images/fa/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![دستگاه IoT تله‌متری را در موضوع /telemetry منتشر می‌کند و سرویس ابری به آن موضوع اشتراک می‌کند](../../../../../translated_images/fa/mqtt.cbf7f21d9adc3e17.webp) ✅ تحقیق کنید. اگر تعداد زیادی دستگاه IoT داشته باشید، چگونه می‌توانید اطمینان حاصل کنید که بروکر MQTT شما قادر به مدیریت تمام پیام‌ها است؟ @@ -69,7 +69,7 @@ MQTT دارای یک بروکر و چندین کلاینت است. تمام کل > 💁 این بروکر آزمایشی عمومی و غیرامن است. هر کسی می‌تواند به آنچه شما منتشر می‌کنید گوش دهد، بنابراین نباید با داده‌هایی که نیاز به حفظ حریم خصوصی دارند استفاده شود. -![یک نمودار جریان از تکلیف که نشان‌دهنده خواندن و بررسی سطح نور و کنترل LED است](../../../../../translated_images/fa/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![یک نمودار جریان از تکلیف که نشان‌دهنده خواندن و بررسی سطح نور و کنترل LED است](../../../../../translated_images/fa/assignment-1-internet-flow.3256feab5f052fd2.webp) مراحل مربوطه زیر را دنبال کنید تا دستگاه خود را به بروکر MQTT متصل کنید: @@ -350,7 +350,7 @@ MQTT همچنین از یک عملکرد نگهداری اتصال پشتیبا طراحان دستگاه‌های IoT همچنین باید در نظر بگیرند که آیا دستگاه IoT می‌تواند در طول قطعی اینترنت یا از دست دادن سیگنال ناشی از مکان استفاده شود یا خیر. یک ترموستات هوشمند باید بتواند برخی تصمیمات محدود برای کنترل گرمایش بگیرد اگر نتواند تله‌متری را به ابر ارسال کند به دلیل قطعی. -[![این فراری خراب شد چون کسی سعی کرد آن را زیر زمین که هیچ سیگنال موبایلی وجود ندارد ارتقا دهد](../../../../../translated_images/fa/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![این فراری خراب شد چون کسی سعی کرد آن را زیر زمین که هیچ سیگنال موبایلی وجود ندارد ارتقا دهد](../../../../../translated_images/fa/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) برای اینکه MQTT بتواند از دست دادن اتصال را مدیریت کند، کد دستگاه و سرور باید مسئول اطمینان از تحویل پیام‌ها در صورت نیاز باشند، به عنوان مثال با الزام اینکه تمام پیام‌های ارسال شده توسط پیام‌های اضافی در یک موضوع پاسخ پاسخ داده شوند، و اگر نه، آن‌ها به صورت دستی صف‌بندی شوند تا بعداً بازپخش شوند. @@ -358,7 +358,7 @@ MQTT همچنین از یک عملکرد نگهداری اتصال پشتیبا دستورات پیام‌هایی هستند که از ابر به یک دستگاه ارسال می‌شوند و به آن دستور می‌دهند کاری انجام دهد. بیشتر اوقات این شامل دادن نوعی خروجی از طریق یک عملگر است، اما می‌تواند یک دستور برای خود دستگاه باشد، مانند راه‌اندازی مجدد یا جمع‌آوری تله‌متری اضافی و بازگرداندن آن به عنوان پاسخ به دستور. -![یک ترموستات متصل به اینترنت که دستوری برای روشن کردن گرمایش دریافت می‌کند](../../../../../translated_images/fa/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![یک ترموستات متصل به اینترنت که دستوری برای روشن کردن گرمایش دریافت می‌کند](../../../../../translated_images/fa/commands.d6c06bbbb3a02cce.webp) یک ترموستات می‌تواند دستوری از ابر دریافت کند تا گرمایش را روشن کند. بر اساس داده‌های تله‌متری از تمام حسگرها، اگر سرویس ابری تصمیم گرفته باشد که گرمایش باید روشن شود، دستور مربوطه را ارسال می‌کند. diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/README.md b/translations/fa/2-farm/lessons/1-predict-plant-growth/README.md index 25e9d2a80..8b0d59e57 100644 --- a/translations/fa/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # پیش‌بینی رشد گیاه با IoT -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-5.42b234299279d263.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -90,7 +90,7 @@ فرمول کامل برای GDD کمی پیچیده است، اما یک معادله ساده‌تر وجود دارد که اغلب به عنوان یک تقریب خوب استفاده می‌شود: -![GDD = T max + T min تقسیم بر 2، همه منهای T base](../../../../../translated_images/fa/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min تقسیم بر 2، همه منهای T base](../../../../../translated_images/fa/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - این تعداد روزهای درجه رشد است * **T max** - این دمای حداکثر روزانه به درجه سانتی‌گراد است @@ -118,7 +118,7 @@ این محاسبه به صورت زیر است: -![GDD = 16 + 12 تقسیم بر 2، همه منهای 10، نتیجه 4](../../../../../translated_images/fa/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 تقسیم بر 2، همه منهای 10، نتیجه 4](../../../../../translated_images/fa/gdd-calculation-corn.64a58b7a7afcd0df.webp) ذرت در آن روز 4 GDD دریافت کرد. با فرض اینکه نوعی از ذرت به 800 GDD برای بلوغ نیاز دارد، هنوز به 796 GDD دیگر نیاز دارد تا به بلوغ برسد. @@ -239,7 +239,7 @@ برای مثال، اگر بالاترین دمای روز ۲۵ درجه سانتی‌گراد و پایین‌ترین دما ۱۲ درجه سانتی‌گراد باشد: -![GDD = 25 + 12 تقسیم بر 2، سپس 10 را از نتیجه کم کنید که برابر با 8.5 می‌شود](../../../../../translated_images/fa/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 تقسیم بر 2، سپس 10 را از نتیجه کم کنید که برابر با 8.5 می‌شود](../../../../../translated_images/fa/gdd-calculation-strawberries.59f57db94b22adb8.webp) * ۲۵ + ۱۲ = ۳۷ * ۳۷ / ۲ = ۱۸.۵ diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/fa/2-farm/lessons/1-predict-plant-growth/assignment.md index 454466b28..725336dc0 100644 --- a/translations/fa/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Jupyter شروع به کار می‌کند و دفترچه را در مرورگر شما باز می‌کند. دستورالعمل‌های موجود در دفترچه را دنبال کنید تا دماهای اندازه‌گیری شده را نمایش دهید و روزهای درجه رشد را محاسبه کنید. - ![دفترچه Jupyter](../../../../../translated_images/fa/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![دفترچه Jupyter](../../../../../translated_images/fa/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## معیارها diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/fa/2-farm/lessons/1-predict-plant-growth/pi-temp.md index b8ac8aa6c..91a961bdd 100644 --- a/translations/fa/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,13 +16,13 @@ حسگر دما را وصل کنید. -![یک حسگر دمای Grove](../../../../../translated_images/fa/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![یک حسگر دمای Grove](../../../../../translated_images/fa/grove-dht11.07f8eafceee17004.webp) 1. یک سر کابل Grove را به سوکت روی حسگر رطوبت و دما وارد کنید. این کابل فقط به یک جهت وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت دیجیتال با علامت **D5** روی کلاهک پایه Grove که به پای متصل است، وصل کنید. این سوکت دومین سوکت از سمت چپ در ردیف سوکت‌های کنار پین‌های GPIO است. -![حسگر دمای Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-temperature-sensor.3ff82fff672c8e565ef25a39d26d111de006b825a7e0867227ef4e7fbff8553c.png) +![حسگر دمای Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-temperature-sensor.3ff82fff672c8e56.webp) ## برنامه‌نویسی حسگر دما diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/fa/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index ad701b5f1..22f47bb5c 100644 --- a/translations/fa/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر رطوبت روی پین 5 ایجاد شود. - ![تنظیمات حسگر رطوبت](../../../../../translated_images/fa/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![تنظیمات حسگر رطوبت](../../../../../translated_images/fa/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) حسگر رطوبت ایجاد شده و در لیست حسگرها ظاهر خواهد شد. - ![حسگر رطوبت ایجاد شده](../../../../../translated_images/fa/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![حسگر رطوبت ایجاد شده](../../../../../translated_images/fa/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. یک حسگر دما ایجاد کنید: @@ -54,11 +54,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر دما روی پین 6 ایجاد شود. - ![تنظیمات حسگر دما](../../../../../translated_images/fa/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![تنظیمات حسگر دما](../../../../../translated_images/fa/counterfit-create-temperature-sensor.199350ed34f7343d.webp) حسگر دما ایجاد شده و در لیست حسگرها ظاهر خواهد شد. - ![حسگر دما ایجاد شده](../../../../../translated_images/fa/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![حسگر دما ایجاد شده](../../../../../translated_images/fa/counterfit-temperature-sensor.f0560236c96a9016.webp) ## برنامه‌نویسی برنامه حسگر دما diff --git a/translations/fa/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/fa/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index e04e8a73e..0ddd2dc29 100644 --- a/translations/fa/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/fa/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Wio Terminal به یک حسگر دما نیاز دارد. حسگر دما را متصل کنید. -![یک حسگر دمای Grove](../../../../../translated_images/fa/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![یک حسگر دمای Grove](../../../../../translated_images/fa/grove-dht11.07f8eafceee17004.webp) 1. یک سر کابل Grove را به سوکت روی حسگر رطوبت و دما وارد کنید. این کابل فقط از یک جهت وارد می‌شود. diff --git a/translations/fa/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/fa/2-farm/lessons/2-detect-soil-moisture/README.md index 8988c4c3e..593eb93af 100644 --- a/translations/fa/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/fa/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C دارای گذرگاهی است که از 2 سیم اصلی، همراه | VCC | جمع‌کننده ولتاژ مشترک | منبع تغذیه برای دستگاه‌ها. این سیم به سیم‌های SDA و SCL متصل است تا از طریق مقاومت کششی، توان آن‌ها را تأمین کند و سیگنال را زمانی که هیچ دستگاهی کنترل‌کننده نیست خاموش کند. | | GND | زمین | این سیم زمین مشترک برای مدار الکتریکی فراهم می‌کند. | -![گذرگاه I2C با 3 دستگاه متصل به سیم‌های SDA و SCL که یک سیم زمین مشترک را به اشتراک می‌گذارند](../../../../../translated_images/fa/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![گذرگاه I2C با 3 دستگاه متصل به سیم‌های SDA و SCL که یک سیم زمین مشترک را به اشتراک می‌گذارند](../../../../../translated_images/fa/i2c.83da845dde02256b.webp) برای ارسال داده، یک دستگاه شرایط شروع را صادر می‌کند تا نشان دهد آماده ارسال داده است. سپس به کنترل‌کننده تبدیل می‌شود. کنترل‌کننده سپس آدرس دستگاهی را که می‌خواهد با آن ارتباط برقرار کند، همراه با اینکه آیا می‌خواهد داده بخواند یا بنویسد، ارسال می‌کند. پس از انتقال داده‌ها، کنترل‌کننده شرایط توقف را ارسال می‌کند تا نشان دهد که کارش تمام شده است. پس از این، دستگاه دیگری می‌تواند به کنترل‌کننده تبدیل شود و داده‌ها را ارسال یا دریافت کند. diff --git a/translations/fa/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/fa/2-farm/lessons/2-detect-soil-moisture/assignment.md index fb57ca0a0..2dc49bba0 100644 --- a/translations/fa/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/fa/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,7 +20,7 @@ رطوبت خاک به روش وزنی به صورت زیر محاسبه می‌شود: -![درصد رطوبت خاک برابر است با وزن خاک مرطوب منهای وزن خاک خشک، تقسیم بر وزن خاک خشک، ضربدر 100](../../../../../translated_images/fa/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![درصد رطوبت خاک برابر است با وزن خاک مرطوب منهای وزن خاک خشک، تقسیم بر وزن خاک خشک، ضربدر 100](../../../../../translated_images/fa/gsm-calculation.6da38c6201eec14e.webp) * W - وزن خاک مرطوب @@ -29,7 +29,7 @@ برای مثال، فرض کنید یک نمونه خاک دارید که وزن آن در حالت مرطوب 212 گرم و در حالت خشک 197 گرم است. -![محاسبه تکمیل شده](../../../../../translated_images/fa/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![محاسبه تکمیل شده](../../../../../translated_images/fa/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/fa/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/fa/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index cc7c95928..6657b5cb1 100644 --- a/translations/fa/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/fa/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ حسگر رطوبت خاک را وصل کنید. -![یک حسگر رطوبت خاک Grove](../../../../../translated_images/fa/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![یک حسگر رطوبت خاک Grove](../../../../../translated_images/fa/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. یک سر کابل Grove را به سوکت روی حسگر رطوبت خاک وارد کنید. این کابل فقط به یک شکل وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت آنالوگ با علامت **A0** روی Grove Base Hat متصل به رزبری پای وصل کنید. این سوکت دومین سوکت از سمت راست در ردیف سوکت‌های کنار پین‌های GPIO است. -![حسگر رطوبت خاک Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![حسگر رطوبت خاک Grove متصل به سوکت A0](../../../../../translated_images/fa/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. حسگر رطوبت خاک را در خاک قرار دهید. این حسگر دارای یک "خط بالاترین موقعیت" است - یک خط سفید روی حسگر. حسگر را تا این خط وارد کنید اما از آن عبور نکنید. diff --git a/translations/fa/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/fa/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 9351dcfdd..cd8c415c2 100644 --- a/translations/fa/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/fa/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر *Soil Moisture* روی پین ۰ ایجاد شود. - ![تنظیمات حسگر رطوبت خاک](../../../../../translated_images/fa/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![تنظیمات حسگر رطوبت خاک](../../../../../translated_images/fa/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) حسگر رطوبت خاک ایجاد شده و در لیست حسگرها ظاهر می‌شود. - ![حسگر رطوبت خاک ایجاد شده](../../../../../translated_images/fa/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![حسگر رطوبت خاک ایجاد شده](../../../../../translated_images/fa/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## برنامه‌نویسی برنامه حسگر رطوبت خاک diff --git a/translations/fa/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/fa/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 8fffa4dc3..8adf002d2 100644 --- a/translations/fa/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/fa/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ حسگر رطوبت خاک را متصل کنید. -![یک حسگر رطوبت خاک Grove](../../../../../translated_images/fa/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![یک حسگر رطوبت خاک Grove](../../../../../translated_images/fa/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. یک سر کابل Grove را به سوکت روی حسگر رطوبت خاک وارد کنید. کابل فقط از یک جهت وارد می‌شود. diff --git a/translations/fa/2-farm/lessons/3-automated-plant-watering/README.md b/translations/fa/2-farm/lessons/3-automated-plant-watering/README.md index 266fd6e25..a3663b2db 100644 --- a/translations/fa/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/fa/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # آبیاری خودکار گیاهان -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-7.30b5f577d3cb8e03.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -32,7 +32,7 @@ راه‌حل این است که پمپ به یک منبع تغذیه خارجی متصل شود و از یک عملگر برای روشن کردن پمپ استفاده شود، مشابه اینکه چگونه یک چراغ را روشن می‌کنید. مقدار کمی انرژی (به شکل انرژی در بدن شما) برای انگشت شما کافی است تا یک کلید را فشار دهد، و این کلید چراغ را به برق اصلی متصل می‌کند که با ولتاژ 110v/240v کار می‌کند. -![یک کلید چراغ برق را به چراغ وصل می‌کند](../../../../../translated_images/fa/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![یک کلید چراغ برق را به چراغ وصل می‌کند](../../../../../translated_images/fa/light-switch.760317ad6ab8bd6d.webp) > 🎓 [برق اصلی](https://wikipedia.org/wiki/Mains_electricity) به برق تحویلی به خانه‌ها و کسب‌وکارها از طریق زیرساخت ملی در بسیاری از نقاط جهان اشاره دارد. @@ -72,7 +72,7 @@ الکترومغناطیس برای فعال شدن و کشیدن اهرم به مقدار زیادی برق نیاز ندارد، می‌توان آن را با خروجی 3.3V یا 5V از یک کیت توسعه IoT کنترل کرد. مدار خروجی می‌تواند برق بیشتری حمل کند، بسته به رله، از جمله ولتاژ اصلی یا حتی سطوح توان بالاتر برای استفاده صنعتی. به این ترتیب یک کیت توسعه IoT می‌تواند یک سیستم آبیاری را کنترل کند، از یک پمپ کوچک برای یک گیاه واحد تا یک سیستم صنعتی عظیم برای یک مزرعه تجاری کامل. -![یک رله Grove با مدار کنترل، مدار خروجی و رله برچسب‌گذاری شده](../../../../../translated_images/fa/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![یک رله Grove با مدار کنترل، مدار خروجی و رله برچسب‌گذاری شده](../../../../../translated_images/fa/grove-relay-labelled.293e068f5c3c2a19.webp) تصویر بالا یک رله Grove را نشان می‌دهد. مدار کنترل به یک دستگاه IoT متصل می‌شود و رله را با استفاده از 3.3V یا 5V روشن یا خاموش می‌کند. مدار خروجی دارای دو ترمینال است، هر کدام می‌توانند برق یا زمین باشند. مدار خروجی می‌تواند تا 250V با 10A را تحمل کند، که برای طیف وسیعی از دستگاه‌های تغذیه‌شده با برق اصلی کافی است. شما می‌توانید رله‌هایی تهیه کنید که حتی سطوح توان بالاتری را تحمل کنند. diff --git a/translations/fa/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/fa/2-farm/lessons/3-automated-plant-watering/pi-relay.md index efafa7ad3..bee5aa806 100644 --- a/translations/fa/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/fa/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ رله را وصل کنید. -![یک رله Grove](../../../../../translated_images/fa/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![یک رله Grove](../../../../../translated_images/fa/grove-relay.d426958ca210fbd0.webp) 1. یک سر کابل Grove را به سوکت روی رله وارد کنید. کابل فقط از یک جهت وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت دیجیتال با علامت **D5** روی Grove Base Hat که به پای متصل است وصل کنید. این سوکت دومین سوکت از سمت چپ در ردیف سوکت‌های کنار پین‌های GPIO است. سنسور رطوبت خاک را به سوکت **A0** متصل نگه دارید. -![رله Grove متصل به سوکت D5 و سنسور رطوبت خاک متصل به سوکت A0](../../../../../translated_images/fa/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![رله Grove متصل به سوکت D5 و سنسور رطوبت خاک متصل به سوکت A0](../../../../../translated_images/fa/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. سنسور رطوبت خاک را در خاک قرار دهید، اگر قبلاً از درس قبلی در خاک قرار داده نشده است. diff --git a/translations/fa/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/fa/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index a85f51fd9..3845f99a4 100644 --- a/translations/fa/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/fa/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ 1. دکمه **Add** را انتخاب کنید تا رله روی پین 5 ایجاد شود. - ![تنظیمات رله](../../../../../translated_images/fa/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![تنظیمات رله](../../../../../translated_images/fa/counterfit-create-relay.fa7c40fd0f2f6afc.webp) رله ایجاد خواهد شد و در لیست محرک‌ها ظاهر می‌شود. - ![رله ایجاد شده](../../../../../translated_images/fa/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![رله ایجاد شده](../../../../../translated_images/fa/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## برنامه‌نویسی رله diff --git a/translations/fa/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md b/translations/fa/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md index 371c25a1d..73ff60d98 100644 --- a/translations/fa/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md +++ b/translations/fa/2-farm/lessons/3-automated-plant-watering/wio-terminal-relay.md @@ -18,7 +18,7 @@ Wio Terminal به یک رله نیاز دارد. رله را متصل کنید. -![یک رله Grove](../../../../../translated_images/fa/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![یک رله Grove](../../../../../translated_images/fa/grove-relay.d426958ca210fbd0.webp) 1. یک سر کابل Grove را به سوکت روی رله وارد کنید. این کابل فقط از یک جهت وارد می‌شود. diff --git a/translations/fa/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/fa/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index b16bf753b..f7a1fd488 100644 --- a/translations/fa/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/fa/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # انتقال گیاه شما به فضای ابری -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-8.3f21f3c11159e6a0.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -46,8 +46,8 @@ فضای ابری اغلب به شوخی به عنوان "کامپیوتر شخص دیگری" نامیده می‌شود. ایده اولیه ساده بود - به جای خرید کامپیوتر، شما کامپیوتر شخص دیگری را اجاره می‌کنید. شخص دیگری، یک ارائه‌دهنده خدمات فضای ابری، مراکز داده عظیمی را مدیریت می‌کند. آن‌ها مسئول خرید و نصب سخت‌افزار، مدیریت برق و خنک‌کننده، شبکه‌سازی، امنیت ساختمان، به‌روزرسانی سخت‌افزار و نرم‌افزار و همه چیز هستند. به عنوان مشتری، شما کامپیوترهایی را که نیاز دارید اجاره می‌کنید، در زمان افزایش تقاضا بیشتر اجاره می‌کنید و در زمان کاهش تقاضا تعداد اجاره‌ها را کاهش می‌دهید. این مراکز داده ابری در سراسر جهان قرار دارند. -![یک مرکز داده ابری مایکروسافت](../../../../../translated_images/fa/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![برنامه توسعه یک مرکز داده ابری مایکروسافت](../../../../../translated_images/fa/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![یک مرکز داده ابری مایکروسافت](../../../../../translated_images/fa/azure-region-existing.73f704604f2aa6cb.webp) +![برنامه توسعه یک مرکز داده ابری مایکروسافت](../../../../../translated_images/fa/azure-region-planned-expansion.a5074a1e8af74f15.webp) این مراکز داده می‌توانند چندین کیلومتر مربع وسعت داشته باشند. تصاویر بالا چند سال پیش در یک مرکز داده ابری مایکروسافت گرفته شده‌اند و اندازه اولیه و برنامه توسعه را نشان می‌دهند. منطقه‌ای که برای توسعه پاکسازی شده است بیش از ۵ کیلومتر مربع وسعت دارد. @@ -108,11 +108,11 @@ Azure ابر توسعه‌دهندگان مایکروسافت است و این دستگاه‌های IoT به یک سرویس ابری یا از طریق یک SDK دستگاه (کتابخانه‌ای که کدی برای کار با ویژگی‌های سرویس ارائه می‌دهد) یا مستقیماً از طریق یک پروتکل ارتباطی مانند MQTT یا HTTP متصل می‌شوند. SDK دستگاه معمولاً ساده‌ترین مسیر است زیرا همه چیز را برای شما مدیریت می‌کند، مانند دانستن اینکه چه موضوعاتی باید منتشر یا مشترک شوند و چگونه امنیت را مدیریت کند. -![دستگاه‌ها با استفاده از SDK دستگاه به سرویس متصل می‌شوند. کد سرور نیز از طریق SDK به سرویس متصل می‌شود](../../../../../translated_images/fa/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![دستگاه‌ها با استفاده از SDK دستگاه به سرویس متصل می‌شوند. کد سرور نیز از طریق SDK به سرویس متصل می‌شود](../../../../../translated_images/fa/iot-service-connectivity.7e873847921a5d6f.webp) دستگاه شما سپس از طریق این سرویس با سایر بخش‌های برنامه شما ارتباط برقرار می‌کند - مشابه نحوه ارسال داده‌های تله‌متری و دریافت دستورات از طریق MQTT. این معمولاً با استفاده از یک SDK سرویس یا کتابخانه مشابه انجام می‌شود. پیام‌ها از دستگاه شما به سرویس ارسال می‌شوند، جایی که سایر اجزای برنامه شما می‌توانند آن‌ها را بخوانند، و پیام‌ها می‌توانند به دستگاه شما ارسال شوند. -![دستگاه‌هایی که کلید مخفی معتبر ندارند نمی‌توانند به سرویس IoT متصل شوند](../../../../../translated_images/fa/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![دستگاه‌هایی که کلید مخفی معتبر ندارند نمی‌توانند به سرویس IoT متصل شوند](../../../../../translated_images/fa/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) این خدمات امنیت را با دانستن همه دستگاه‌هایی که می‌توانند متصل شوند و داده ارسال کنند، اجرا می‌کنند، یا با ثبت‌نام قبلی دستگاه‌ها در سرویس یا با دادن کلیدهای مخفی یا گواهی‌نامه‌هایی به دستگاه‌ها که می‌توانند هنگام اولین اتصال خود را در سرویس ثبت کنند. دستگاه‌های ناشناخته نمی‌توانند متصل شوند، اگر تلاش کنند سرویس اتصال را رد می‌کند و پیام‌های ارسال‌شده توسط آن‌ها را نادیده می‌گیرد. @@ -124,7 +124,7 @@ Azure ابر توسعه‌دهندگان مایکروسافت است و این حالا که اشتراک Azure دارید، می‌توانید برای یک سرویس IoT ثبت‌نام کنید. سرویس IoT مایکروسافت به نام Azure IoT Hub شناخته می‌شود. -![لوگوی Azure IoT Hub](../../../../../translated_images/fa/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![لوگوی Azure IoT Hub](../../../../../translated_images/fa/azure-iot-hub-logo.28a19de76d0a1932.webp) ویدئوی زیر یک مرور کوتاه از Azure IoT Hub ارائه می‌دهد: diff --git a/translations/fa/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/fa/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 7086634ec..ed6f49d3b 100644 --- a/translations/fa/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/fa/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # انتقال منطق برنامه به فضای ابری -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-9.dfe99c8e891f48e1.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -28,7 +28,7 @@ بدون سرور، یا محاسبات بدون سرور، شامل ایجاد بلوک‌های کوچک کدی است که در پاسخ به انواع مختلف رویدادها در فضای ابری اجرا می‌شوند. وقتی رویدادی رخ می‌دهد، کد شما اجرا شده و داده‌های مربوط به رویداد به آن ارسال می‌شود. این رویدادها می‌توانند از منابع مختلفی باشند، از جمله درخواست‌های وب، پیام‌های قرار داده شده در صف، تغییرات داده در یک پایگاه داده، یا پیام‌های ارسال شده به یک سرویس IoT توسط دستگاه‌های IoT. -![رویدادهایی که از یک سرویس IoT به یک سرویس بدون سرور ارسال می‌شوند و همگی به طور همزمان توسط چندین تابع پردازش می‌شوند](../../../../../translated_images/fa/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![رویدادهایی که از یک سرویس IoT به یک سرویس بدون سرور ارسال می‌شوند و همگی به طور همزمان توسط چندین تابع پردازش می‌شوند](../../../../../translated_images/fa/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 اگر قبلاً از تریگرهای پایگاه داده استفاده کرده‌اید، می‌توانید این را مشابه همان بدانید، کدی که با یک رویداد مانند درج یک ردیف فعال می‌شود. @@ -54,7 +54,7 @@ سرویس محاسبات بدون سرور مایکروسافت به نام Azure Functions شناخته می‌شود. -![لوگوی Azure Functions](../../../../../translated_images/fa/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![لوگوی Azure Functions](../../../../../translated_images/fa/azure-functions-logo.1cfc8e3204c9c44a.webp) ویدئوی کوتاه زیر نمای کلی از Azure Functions ارائه می‌دهد: diff --git a/translations/fa/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/fa/2-farm/lessons/6-keep-your-plant-secure/README.md index 759e5e6dc..614c252bb 100644 --- a/translations/fa/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/fa/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # گیاه خود را ایمن نگه دارید -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-10.829c86b80b9403bb.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -52,11 +52,11 @@ وقتی یک دستگاه به یک سرویس اینترنت اشیا متصل می‌شود، از یک شناسه برای شناسایی خود استفاده می‌کند. مشکل این است که این شناسه می‌تواند کپی شود - یک هکر می‌تواند یک دستگاه مخرب راه‌اندازی کند که از همان شناسه یک دستگاه واقعی استفاده می‌کند اما داده‌های جعلی ارسال می‌کند. -![هم دستگاه معتبر و هم دستگاه مخرب می‌توانند از یک شناسه برای ارسال تله‌متری استفاده کنند](../../../../../translated_images/fa/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![هم دستگاه معتبر و هم دستگاه مخرب می‌توانند از یک شناسه برای ارسال تله‌متری استفاده کنند](../../../../../translated_images/fa/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) راه‌حل این مشکل تبدیل داده‌های ارسالی به یک فرمت رمزگذاری‌شده است، با استفاده از مقداری که فقط دستگاه و ابر آن را می‌دانند. این فرآیند *رمزگذاری* نامیده می‌شود و مقداری که برای رمزگذاری داده‌ها استفاده می‌شود *کلید رمزگذاری* نام دارد. -![اگر از رمزگذاری استفاده شود، فقط پیام‌های رمزگذاری‌شده پذیرفته می‌شوند و سایر پیام‌ها رد می‌شوند](../../../../../translated_images/fa/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![اگر از رمزگذاری استفاده شود، فقط پیام‌های رمزگذاری‌شده پذیرفته می‌شوند و سایر پیام‌ها رد می‌شوند](../../../../../translated_images/fa/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) سرویس ابری سپس می‌تواند داده‌ها را به یک فرمت قابل خواندن تبدیل کند، با استفاده از فرآیندی به نام *رمزگشایی*، با استفاده از همان کلید رمزگذاری یا یک *کلید رمزگشایی*. اگر پیام رمزگذاری‌شده توسط کلید رمزگشایی نشود، دستگاه هک شده و پیام رد می‌شود. diff --git a/translations/fa/3-transport/lessons/1-location-tracking/README.md b/translations/fa/3-transport/lessons/1-location-tracking/README.md index 7046df8a7..ff697cf7d 100644 --- a/translations/fa/3-transport/lessons/1-location-tracking/README.md +++ b/translations/fa/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # ردیابی موقعیت -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-11.9fddbac4b664c6d5.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -63,13 +63,13 @@ IoT در حال تغییر نحوه حمل‌ونقل کالاها با ایجا > 💁 هیچ‌کس واقعاً دلیل اصلی تقسیم دایره‌ها به 360 درجه را نمی‌داند. صفحه [درجه (زاویه) در ویکی‌پدیا](https://wikipedia.org/wiki/Degree_(angle)) برخی از دلایل احتمالی را پوشش می‌دهد. -![خطوط عرض جغرافیایی از 90° در قطب شمال، 45° در نیمه‌راه بین قطب شمال و استوا، 0° در استوا، -45° در نیمه‌راه بین استوا و قطب جنوب، و -90° در قطب جنوب](../../../../../translated_images/fa/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![خطوط عرض جغرافیایی از 90° در قطب شمال، 45° در نیمه‌راه بین قطب شمال و استوا، 0° در استوا، -45° در نیمه‌راه بین استوا و قطب جنوب، و -90° در قطب جنوب](../../../../../translated_images/fa/latitude-lines.11d8d91dfb2014a5.webp) عرض جغرافیایی با خطوطی اندازه‌گیری می‌شود که زمین را دور می‌زنند و موازی با استوا هستند، نیمکره‌های شمالی و جنوبی را به 90° تقسیم می‌کنند. استوا در 0° قرار دارد، قطب شمال در 90°، که به عنوان 90° شمال نیز شناخته می‌شود، و قطب جنوب در -90°، یا 90° جنوب قرار دارد. طول جغرافیایی به عنوان تعداد درجه‌های اندازه‌گیری شده شرق و غرب اندازه‌گیری می‌شود. مبدأ 0° طول جغرافیایی *نصف‌النهار مبدأ* نامیده می‌شود و در سال 1884 به عنوان خطی از قطب شمال به قطب جنوب که از [رصدخانه سلطنتی بریتانیا در گرینویچ، انگلستان](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich) عبور می‌کند، تعریف شد. -![خطوط طول جغرافیایی که از -180° به غرب نصف‌النهار مبدأ، تا 0° روی نصف‌النهار مبدأ، تا 180° شرق نصف‌النهار مبدأ می‌روند](../../../../../translated_images/fa/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![خطوط طول جغرافیایی که از -180° به غرب نصف‌النهار مبدأ، تا 0° روی نصف‌النهار مبدأ، تا 180° شرق نصف‌النهار مبدأ می‌روند](../../../../../translated_images/fa/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 نصف‌النهار یک خط مستقیم خیالی است که از قطب شمال به قطب جنوب می‌رود و یک نیم‌دایره تشکیل می‌دهد. @@ -100,7 +100,7 @@ IoT در حال تغییر نحوه حمل‌ونقل کالاها با ایجا * عرض جغرافیایی 47.6423109 (47.6423109 درجه شمال استوا) * طول جغرافیایی -122.1390293 (122.1390293 درجه غرب نصف‌النهار مبدأ). -![پردیس مایکروسافت در 47.6423109,-122.117198](../../../../../translated_images/fa/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![پردیس مایکروسافت در 47.6423109,-122.117198](../../../../../translated_images/fa/microsoft-gps-location-world.a321d481b010f6ad.webp) ## سیستم‌های موقعیت‌یابی جهانی (GPS) @@ -112,7 +112,7 @@ IoT در حال تغییر نحوه حمل‌ونقل کالاها با ایجا > 💁 حسگرهای GPS به آنتن‌هایی برای شناسایی امواج رادیویی نیاز دارند. آنتن‌های تعبیه شده در کامیون‌ها و ماشین‌ها با GPS داخلی به گونه‌ای قرار داده شده‌اند که سیگنال خوبی دریافت کنند، معمولاً روی شیشه جلو یا سقف. اگر از یک سیستم GPS جداگانه، مانند گوشی هوشمند یا دستگاه IoT استفاده می‌کنید، باید اطمینان حاصل کنید که آنتن تعبیه شده در سیستم GPS یا گوشی دید واضحی از آسمان دارد، مانند نصب شدن روی شیشه جلو. -![با دانستن فاصله از حسگر تا چندین ماهواره، موقعیت قابل محاسبه است](../../../../../translated_images/fa/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![با دانستن فاصله از حسگر تا چندین ماهواره، موقعیت قابل محاسبه است](../../../../../translated_images/fa/gps-satellites.04acf1148fe25fbf.webp) ماهواره‌های GPS در حال چرخش به دور زمین هستند، نه در یک نقطه ثابت بالای حسگر، بنابراین داده‌های موقعیت شامل ارتفاع از سطح دریا علاوه بر عرض جغرافیایی و طول جغرافیایی است. diff --git a/translations/fa/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/fa/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 0bb09cc67..d465f1dee 100644 --- a/translations/fa/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/fa/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ حسگر GPS را متصل کنید. -![حسگر Grove GPS](../../../../../translated_images/fa/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![حسگر Grove GPS](../../../../../translated_images/fa/grove-gps-sensor.247943bf69b03f0d.webp) 1. یک سر کابل Grove را به سوکت حسگر GPS وارد کنید. کابل فقط از یک جهت وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت UART که با **UART** روی Grove Base hat متصل به رزبری پای مشخص شده است، وصل کنید. این سوکت در ردیف وسط، در سمت نزدیک به شیار کارت SD قرار دارد، در طرف مقابل پورت‌های USB و سوکت اترنت. - ![حسگر Grove GPS متصل به سوکت UART](../../../../../translated_images/fa/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![حسگر Grove GPS متصل به سوکت UART](../../../../../translated_images/fa/pi-gps-sensor.1f99ee2b2f652891.webp) 1. حسگر GPS را در موقعیتی قرار دهید که آنتن متصل به آن دید به آسمان داشته باشد - ترجیحاً کنار یک پنجره باز یا در فضای باز. دریافت سیگنال واضح‌تر زمانی آسان‌تر است که چیزی جلوی آنتن نباشد. diff --git a/translations/fa/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/fa/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index 1646f99ed..4f5eb0731 100644 --- a/translations/fa/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/fa/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر GPS در پورت `/dev/ttyAMA0` ایجاد شود. - ![تنظیمات حسگر GPS](../../../../../translated_images/fa/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![تنظیمات حسگر GPS](../../../../../translated_images/fa/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) حسگر GPS ایجاد شده و در لیست حسگرها ظاهر می‌شود. - ![حسگر GPS ایجاد شده](../../../../../translated_images/fa/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![حسگر GPS ایجاد شده](../../../../../translated_images/fa/counterfit-gps-sensor.3fbb15af0a536756.webp) ## برنامه‌نویسی حسگر GPS @@ -102,17 +102,17 @@ * مقدار **Source** را روی `Lat/Lon` تنظیم کنید و یک عرض جغرافیایی، طول جغرافیایی و تعداد ماهواره‌های استفاده‌شده برای دریافت موقعیت GPS مشخص کنید. این مقدار فقط یک بار ارسال می‌شود، بنابراین گزینه **Repeat** را علامت بزنید تا داده‌ها هر ثانیه تکرار شوند. - ![حسگر GPS با Lat/Lon تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![حسگر GPS با Lat/Lon تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * مقدار **Source** را روی `NMEA` تنظیم کنید و چند جمله NMEA در کادر متن وارد کنید. تمام این مقادیر ارسال می‌شوند، با تأخیری ۱ ثانیه‌ای قبل از هر جمله GGA (موقعیت‌یابی). - ![حسگر GPS با جملات NMEA تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![حسگر GPS با جملات NMEA تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) می‌توانید از ابزاری مانند [nmeagen.org](https://www.nmeagen.org) برای تولید این جملات با کشیدن روی نقشه استفاده کنید. این مقادیر فقط یک بار ارسال می‌شوند، بنابراین گزینه **Repeat** را علامت بزنید تا داده‌ها یک ثانیه پس از ارسال کامل تکرار شوند. * مقدار **Source** را روی فایل GPX تنظیم کنید و یک فایل GPX با موقعیت‌های مسیر بارگذاری کنید. می‌توانید فایل‌های GPX را از سایت‌های محبوب نقشه‌برداری و کوهنوردی مانند [AllTrails](https://www.alltrails.com/) دانلود کنید. این فایل‌ها شامل چندین موقعیت GPS به صورت یک مسیر هستند و حسگر GPS هر موقعیت جدید را با فاصله ۱ ثانیه بازمی‌گرداند. - ![حسگر GPS با فایل GPX تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![حسگر GPS با فایل GPX تنظیم شده](../../../../../translated_images/fa/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) این مقادیر فقط یک بار ارسال می‌شوند، بنابراین گزینه **Repeat** را علامت بزنید تا داده‌ها یک ثانیه پس از ارسال کامل تکرار شوند. diff --git a/translations/fa/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/fa/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 8c10e4fcf..dae5e85eb 100644 --- a/translations/fa/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/fa/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Wio Terminal به یک حسگر GPS نیاز دارد. حسگر GPS را متصل کنید. -![یک حسگر Grove GPS](../../../../../translated_images/fa/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![یک حسگر Grove GPS](../../../../../translated_images/fa/grove-gps-sensor.247943bf69b03f0d.webp) 1. یک سر کابل Grove را به سوکت روی حسگر GPS وارد کنید. کابل فقط از یک جهت وارد سوکت می‌شود. diff --git a/translations/fa/3-transport/lessons/2-store-location-data/README.md b/translations/fa/3-transport/lessons/2-store-location-data/README.md index 1cc3e9df0..a38b33fae 100644 --- a/translations/fa/3-transport/lessons/2-store-location-data/README.md +++ b/translations/fa/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # ذخیره داده‌های موقعیت مکانی -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-12.ca7f53039712a3ec.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -75,7 +75,7 @@ > 💁 با وجود نامشان، برخی از پایگاه‌های داده NoSQL به شما اجازه می‌دهند از SQL برای جستجوی داده‌ها استفاده کنید. -![اسناد در پوشه‌ها در یک پایگاه داده NoSQL](../../../../../translated_images/fa/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![اسناد در پوشه‌ها در یک پایگاه داده NoSQL](../../../../../translated_images/fa/noqsl-database.62d24ccf5b73f60d.webp) پایگاه‌های داده NoSQL طرح‌واره از پیش تعریف‌شده‌ای ندارند که نحوه ذخیره داده‌ها را محدود کند، بلکه می‌توانید هر داده غیرساختاریافته‌ای را وارد کنید، معمولاً با استفاده از اسناد JSON. این اسناد می‌توانند در پوشه‌ها سازماندهی شوند، مشابه فایل‌ها در رایانه شما. هر سند می‌تواند فیلدهای متفاوتی از سایر اسناد داشته باشد - برای مثال، اگر داده‌های IoT از وسایل نقلیه مزرعه خود را ذخیره کنید، برخی ممکن است فیلدهایی برای داده‌های شتاب‌سنج و سرعت داشته باشند، در حالی که برخی دیگر ممکن است فیلدهایی برای دمای داخل تریلر داشته باشند. اگر بخواهید نوع جدیدی از کامیون، مانند کامیونی با ترازوهای داخلی برای ردیابی وزن محصولات حمل‌شده، اضافه کنید، دستگاه IoT شما می‌تواند این فیلد جدید را اضافه کند و بدون هیچ تغییری در پایگاه داده ذخیره شود. @@ -89,7 +89,7 @@ در درس قبلی، داده‌های GPS را از یک حسگر GPS متصل به دستگاه IoT خود ثبت کردید. برای ذخیره این داده‌های IoT در فضای ابری، باید آن‌ها را به یک سرویس IoT ارسال کنید. بار دیگر از Azure IoT Hub، همان سرویس IoT ابری که در پروژه قبلی استفاده کردید، استفاده خواهید کرد. -![ارسال داده‌های تله‌متری GPS از یک دستگاه IoT به IoT Hub](../../../../../translated_images/fa/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![ارسال داده‌های تله‌متری GPS از یک دستگاه IoT به IoT Hub](../../../../../translated_images/fa/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### وظیفه - ارسال داده‌های GPS به یک IoT Hub @@ -171,7 +171,7 @@ message = Message(json.dumps(message_json)) پس از جریان یافتن داده‌ها به IoT Hub، می‌توانید کدی بدون سرور بنویسید تا به رویدادهایی که به نقطه پایانی سازگار با Event Hub منتشر می‌شوند گوش دهد. این مسیر گرم است - این داده‌ها ذخیره می‌شوند و در درس بعدی برای گزارش‌گیری از مسیر استفاده خواهند شد. -![ارسال داده‌های تله‌متری GPS از یک دستگاه IoT به IoT Hub، سپس به Azure Functions از طریق یک تریگر Event Hub](../../../../../translated_images/fa/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![ارسال داده‌های تله‌متری GPS از یک دستگاه IoT به IoT Hub، سپس به Azure Functions از طریق یک تریگر Event Hub](../../../../../translated_images/fa/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### وظیفه - مدیریت رویدادهای GPS با استفاده از کد بدون سرور @@ -193,7 +193,7 @@ message = Message(json.dumps(message_json)) ## حساب‌های ذخیره‌سازی Azure -![لوگوی Azure Storage](../../../../../translated_images/fa/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![لوگوی Azure Storage](../../../../../translated_images/fa/azure-storage-logo.605c0f602c640d48.webp) حساب‌های ذخیره‌سازی Azure یک سرویس ذخیره‌سازی چندمنظوره است که می‌تواند داده‌ها را به روش‌های مختلف ذخیره کند. شما می‌توانید داده‌ها را به صورت blob، در صف‌ها، در جداول یا به صورت فایل ذخیره کنید و همه این‌ها به طور همزمان امکان‌پذیر است. diff --git a/translations/fa/3-transport/lessons/3-visualize-location-data/README.md b/translations/fa/3-transport/lessons/3-visualize-location-data/README.md index 82d0fef66..1d2499cfa 100644 --- a/translations/fa/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/fa/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # نمایش داده‌های مکانی -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-13.a259db1485021be7.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -64,11 +64,11 @@ درک این داده‌ها به عنوان یک انسان می‌تواند دشوار باشد. این فقط یک دیوار از اعداد است که معنای خاصی ندارد. به عنوان اولین قدم برای بصری‌سازی این داده‌ها، می‌توان آن را روی یک نمودار خطی رسم کرد: -![یک نمودار خطی از داده‌های بالا](../../../../../translated_images/fa/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![یک نمودار خطی از داده‌های بالا](../../../../../translated_images/fa/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) این نمودار می‌تواند با اضافه کردن یک خط برای نشان دادن زمانی که سیستم آبیاری خودکار در خوانش رطوبت خاک ۴۵۰ روشن شده است، بهبود یابد: -![یک نمودار خطی از رطوبت خاک با یک خط در ۴۵۰](../../../../../translated_images/fa/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![یک نمودار خطی از رطوبت خاک با یک خط در ۴۵۰](../../../../../translated_images/fa/chart-soil-moisture-relay.fbb391236d34a64d.webp) این نمودار به سرعت نشان می‌دهد که سطح رطوبت خاک چه بوده و نقاطی که سیستم آبیاری روشن شده است. @@ -84,7 +84,7 @@ کار با نقشه‌ها یک تمرین جالب است و گزینه‌های زیادی برای انتخاب وجود دارد، مانند Bing Maps، Leaflet، Open Street Maps، و Google Maps. در این درس، شما با [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) آشنا خواهید شد و یاد خواهید گرفت که چگونه داده‌های GPS خود را نمایش دهید. -![لوگوی Azure Maps](../../../../../translated_images/fa/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![لوگوی Azure Maps](../../../../../translated_images/fa/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps مجموعه‌ای از خدمات جغرافیایی و SDKهایی است که از داده‌های نقشه‌برداری تازه برای ارائه زمینه جغرافیایی به برنامه‌های وب و موبایل استفاده می‌کند. توسعه‌دهندگان ابزارهایی برای ایجاد نقشه‌های زیبا و تعاملی دریافت می‌کنند که می‌توانند کارهایی مانند ارائه مسیرهای ترافیکی پیشنهادی، اطلاعات درباره حوادث ترافیکی، ناوبری داخلی، قابلیت‌های جستجو، اطلاعات ارتفاع، خدمات آب و هوا و موارد دیگر انجام دهند. @@ -185,7 +185,7 @@ Azure Maps مجموعه‌ای از خدمات جغرافیایی و SDKهایی اگر صفحه `index.html` خود را در یک مرورگر وب باز کنید، باید یک نقشه بارگذاری شده و متمرکز بر منطقه سیاتل را ببینید. - ![یک نقشه که سیاتل، شهری در ایالت واشنگتن، ایالات متحده را نشان می‌دهد](../../../../../translated_images/fa/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![یک نقشه که سیاتل، شهری در ایالت واشنگتن، ایالات متحده را نشان می‌دهد](../../../../../translated_images/fa/map-image.8fb2c53eb23ef39c.webp) ✅ با پارامترهای زوم و مرکز آزمایش کنید تا نمایش نقشه خود را تغییر دهید. می‌توانید مختصات مختلف مربوط به عرض و طول جغرافیایی داده‌های خود را اضافه کنید تا نقشه را دوباره متمرکز کنید. @@ -319,7 +319,7 @@ Azure Maps مجموعه‌ای از خدمات جغرافیایی و SDKهایی 1. صفحه HTML را در مرورگر خود بارگذاری کنید. نقشه بارگذاری می‌شود، سپس تمام داده‌های GPS از ذخیره‌سازی بارگذاری شده و روی نقشه نمایش داده می‌شود. - ![نقشه‌ای از پارک ایالتی Saint Edward در نزدیکی سیاتل، با دایره‌هایی که مسیری در اطراف لبه پارک را نشان می‌دهند](../../../../../translated_images/fa/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![نقشه‌ای از پارک ایالتی Saint Edward در نزدیکی سیاتل، با دایره‌هایی که مسیری در اطراف لبه پارک را نشان می‌دهند](../../../../../translated_images/fa/map-path.896832e72dc696ff.webp) > 💁 شما می‌توانید این کد را در [پوشه کد](../../../../../3-transport/lessons/3-visualize-location-data/code) پیدا کنید. diff --git a/translations/fa/3-transport/lessons/4-geofences/README.md b/translations/fa/3-transport/lessons/4-geofences/README.md index 1d2ed304b..d873ae07e 100644 --- a/translations/fa/3-transport/lessons/4-geofences/README.md +++ b/translations/fa/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # حصارهای جغرافیایی -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-14.63980c5150ae3c15.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -35,7 +35,7 @@ حصار جغرافیایی یک محیط مجازی برای یک منطقه جغرافیایی واقعی است. حصارهای جغرافیایی می‌توانند دایره‌هایی باشند که به عنوان یک نقطه و شعاع تعریف شده‌اند (برای مثال یک دایره به عرض ۱۰۰ متر اطراف یک ساختمان)، یا یک چندضلعی که منطقه‌ای مانند محدوده مدرسه، مرزهای شهری، یا پردیس دانشگاه یا دفتر را پوشش می‌دهد. -![نمونه‌هایی از حصارهای جغرافیایی که یک حصار دایره‌ای اطراف فروشگاه شرکت مایکروسافت و یک حصار چندضلعی اطراف پردیس غربی مایکروسافت را نشان می‌دهند](../../../../../translated_images/fa/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![نمونه‌هایی از حصارهای جغرافیایی که یک حصار دایره‌ای اطراف فروشگاه شرکت مایکروسافت و یک حصار چندضلعی اطراف پردیس غربی مایکروسافت را نشان می‌دهند](../../../../../translated_images/fa/geofence-examples.172fbc534665769f.webp) > 💁 ممکن است قبلاً بدون اینکه بدانید از حصارهای جغرافیایی استفاده کرده باشید. اگر با استفاده از اپلیکیشن یادآوری iOS یا Google Keep بر اساس یک مکان یادآوری تنظیم کرده‌اید، از حصار جغرافیایی استفاده کرده‌اید. این اپلیکیشن‌ها بر اساس مکان داده‌شده یک حصار جغرافیایی تنظیم می‌کنند و هنگامی که تلفن شما وارد حصار جغرافیایی می‌شود، به شما هشدار می‌دهند. @@ -212,7 +212,7 @@ Azure Maps، سرویسی که در درس قبلی برای نمایش داده برای مثال، تصور کنید قرائت‌های GPS نشان می‌دهند که یک وسیله نقلیه در حال رانندگی در امتداد جاده‌ای است که در نهایت در کنار یک حصار جغرافیایی قرار دارد. اگر یک مقدار GPS منفرد نادرست باشد و وسیله نقلیه را داخل حصار جغرافیایی قرار دهد، با وجود اینکه دسترسی وسایل نقلیه وجود ندارد، می‌توان آن را نادیده گرفت. -![یک مسیر GPS که نشان می‌دهد وسیله نقلیه از کنار پردیس مایکروسافت در جاده ۵۲۰ عبور می‌کند، با قرائت‌های GPS در امتداد جاده به جز یکی در پردیس، داخل یک حصار جغرافیایی](../../../../../translated_images/fa/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![یک مسیر GPS که نشان می‌دهد وسیله نقلیه از کنار پردیس مایکروسافت در جاده ۵۲۰ عبور می‌کند، با قرائت‌های GPS در امتداد جاده به جز یکی در پردیس، داخل یک حصار جغرافیایی](../../../../../translated_images/fa/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) در تصویر بالا، یک محدوده جغرافیایی (Geofence) بر روی بخشی از پردیس مایکروسافت قرار دارد. خط قرمز نشان‌دهنده حرکت یک کامیون در امتداد بزرگراه 520 است، و دایره‌ها نشان‌دهنده داده‌های GPS هستند. بیشتر این داده‌ها دقیق بوده و در امتداد بزرگراه 520 قرار دارند، اما یک داده نادرست در داخل محدوده جغرافیایی ثبت شده است. این داده نمی‌تواند درست باشد - هیچ جاده‌ای وجود ندارد که کامیون بتواند ناگهان از بزرگراه 520 به داخل پردیس منحرف شود و سپس دوباره به بزرگراه 520 بازگردد. کدی که این محدوده جغرافیایی را بررسی می‌کند، باید داده‌های قبلی را در نظر بگیرد قبل از اینکه بر اساس نتایج آزمایش محدوده جغرافیایی عمل کند. ✅ چه داده‌های اضافی نیاز دارید تا بررسی کنید که آیا یک داده GPS می‌تواند صحیح در نظر گرفته شود؟ @@ -284,7 +284,7 @@ Azure Maps، سرویسی که در درس قبلی برای نمایش داده پاسخ این است که نمی‌تواند! در عوض، می‌توانید چندین اتصال جداگانه برای خواندن رویدادها تعریف کنید و هر کدام می‌توانند مدیریت بازپخش پیام‌های خوانده‌نشده را انجام دهند. این‌ها به عنوان *گروه‌های مصرف‌کننده* شناخته می‌شوند. وقتی به نقطه پایانی متصل می‌شوید، می‌توانید مشخص کنید که به کدام گروه مصرف‌کننده می‌خواهید متصل شوید. هر جزء از برنامه شما به یک گروه مصرف‌کننده متفاوت متصل خواهد شد. -![یک IoT Hub با 3 گروه مصرف‌کننده که همان پیام‌ها را به 3 برنامه مختلف Functions توزیع می‌کنند](../../../../../translated_images/fa/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![یک IoT Hub با 3 گروه مصرف‌کننده که همان پیام‌ها را به 3 برنامه مختلف Functions توزیع می‌کنند](../../../../../translated_images/fa/consumer-groups.a3262e26fc27ba20.webp) در تئوری، حداکثر 5 برنامه می‌توانند به هر گروه مصرف‌کننده متصل شوند و همه آن‌ها پیام‌ها را هنگام رسیدن دریافت خواهند کرد. بهترین روش این است که فقط یک برنامه به هر گروه مصرف‌کننده دسترسی داشته باشد تا از پردازش تکراری پیام‌ها جلوگیری شود و اطمینان حاصل شود که هنگام راه‌اندازی مجدد، همه پیام‌های صف‌شده به درستی پردازش می‌شوند. برای مثال، اگر برنامه Functions خود را به صورت محلی اجرا کنید و همچنین آن را در فضای ابری اجرا کنید، هر دو پیام‌ها را پردازش می‌کنند که منجر به ذخیره‌سازی تکراری در حساب ذخیره‌سازی می‌شود. diff --git a/translations/fa/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/fa/4-manufacturing/lessons/1-train-fruit-detector/README.md index 4595de32b..9e1aaef68 100644 --- a/translations/fa/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/fa/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # آموزش ساخت یک تشخیص‌دهنده کیفیت میوه -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-15.843d21afdc6fb2bb.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -38,7 +38,7 @@ افزایش برداشت خودکار، دسته‌بندی محصولات را از زمان برداشت به کارخانه منتقل کرد. مواد غذایی روی نوارهای نقاله طولانی حرکت می‌کردند و تیم‌هایی از افراد محصولات را بررسی کرده و هر چیزی که کیفیت لازم را نداشت حذف می‌کردند. برداشت به لطف ماشین‌آلات ارزان‌تر شد، اما هنوز هزینه‌ای برای دسته‌بندی دستی مواد غذایی وجود داشت. -![اگر یک گوجه‌فرنگی قرمز شناسایی شود، بدون وقفه به مسیر خود ادامه می‌دهد. اگر یک گوجه‌فرنگی سبز شناسایی شود، با یک اهرم به داخل سطل زباله پرتاب می‌شود](../../../../../translated_images/fa/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![اگر یک گوجه‌فرنگی قرمز شناسایی شود، بدون وقفه به مسیر خود ادامه می‌دهد. اگر یک گوجه‌فرنگی سبز شناسایی شود، با یک اهرم به داخل سطل زباله پرتاب می‌شود](../../../../../translated_images/fa/optical-tomato-sorting.61aa134bdda4e5b1.webp) تکامل بعدی استفاده از ماشین‌ها برای دسته‌بندی بود، چه در داخل دستگاه برداشت یا در کارخانه‌های فرآوری. نسل اول این ماشین‌ها از حسگرهای نوری برای تشخیص رنگ‌ها استفاده می‌کردند و با کنترل عملگرها، گوجه‌فرنگی‌های سبز را با اهرم‌ها یا پف‌های هوا به داخل سطل زباله پرتاب می‌کردند و گوجه‌فرنگی‌های قرمز را به مسیر نوار نقاله ادامه می‌دادند. @@ -62,7 +62,7 @@ > 🎓 نتایج مدل‌های یادگیری ماشین *پیش‌بینی* نامیده می‌شوند. -![2 موز، یکی رسیده با پیش‌بینی 99.7% رسیده، 0.3% نارس، و دیگری نارس با پیش‌بینی 1.4% رسیده، 98.6% نارس](../../../../../translated_images/fa/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 موز، یکی رسیده با پیش‌بینی 99.7% رسیده، 0.3% نارس، و دیگری نارس با پیش‌بینی 1.4% رسیده، 98.6% نارس](../../../../../translated_images/fa/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) مدل‌های یادگیری ماشین پاسخ‌های دودویی نمی‌دهند، بلکه احتمال‌ها را ارائه می‌دهند. به عنوان مثال، یک مدل ممکن است یک تصویر از موز دریافت کند و پیش‌بینی کند `رسیده` با 99.7% و `نارس` با 0.3%. کد شما سپس بهترین پیش‌بینی را انتخاب کرده و تصمیم می‌گیرد که موز رسیده است. @@ -90,7 +90,7 @@ Custom Vision یک ابزار مبتنی بر ابر برای آموزش طبقه‌بندهای تصویر است. این ابزار به شما امکان می‌دهد با استفاده از تعداد کمی تصویر یک طبقه‌بند را آموزش دهید. شما می‌توانید تصاویر را از طریق یک پورتال وب، API وب یا SDK آپلود کنید و به هر تصویر یک *برچسب* بدهید که طبقه‌بندی آن تصویر را مشخص می‌کند. سپس مدل را آموزش می‌دهید و آن را آزمایش می‌کنید تا ببینید چقدر خوب عمل می‌کند. وقتی از مدل راضی شدید، می‌توانید نسخه‌هایی از آن را منتشر کنید که از طریق API وب یا SDK قابل دسترسی باشند. -![لوگوی Azure Custom Vision](../../../../../translated_images/fa/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![لوگوی Azure Custom Vision](../../../../../translated_images/fa/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 شما می‌توانید یک مدل Custom Vision را با حداقل 5 تصویر برای هر طبقه‌بندی آموزش دهید، اما تعداد بیشتر بهتر است. با حداقل 30 تصویر می‌توانید نتایج بهتری بگیرید. @@ -146,7 +146,7 @@ Custom Vision بخشی از مجموعه ابزارهای AI مایکروساف هنگام ایجاد پروژه، مطمئن شوید که از منبع `fruit-quality-detector-training` که قبلاً ایجاد کرده‌اید استفاده می‌کنید. از نوع پروژه *Classification*، نوع طبقه‌بندی *Multiclass* و دامنه *Food* استفاده کنید. - ![تنظیمات پروژه Custom Vision با نام تنظیم‌شده به fruit-quality-detector، بدون توضیحات، منبع تنظیم‌شده به fruit-quality-detector-training، نوع پروژه تنظیم‌شده به classification، نوع طبقه‌بندی تنظیم‌شده به multi class و دامنه تنظیم‌شده به food](../../../../../translated_images/fa/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![تنظیمات پروژه Custom Vision با نام تنظیم‌شده به fruit-quality-detector، بدون توضیحات، منبع تنظیم‌شده به fruit-quality-detector-training، نوع پروژه تنظیم‌شده به classification، نوع طبقه‌بندی تنظیم‌شده به multi class و دامنه تنظیم‌شده به food](../../../../../translated_images/fa/custom-vision-create-project.cf46325b92d8b131.webp) ✅ زمانی را برای بررسی رابط کاربری Custom Vision برای طبقه‌بند تصویر خود اختصاص دهید. @@ -164,7 +164,7 @@ Custom Vision بخشی از مجموعه ابزارهای AI مایکروساف * با استفاده از ۲ موز رسیده، از هر کدام چند عکس از زوایای مختلف بگیرید، حداقل ۷ عکس (۵ برای آموزش، ۲ برای آزمایش)، اما ترجیحاً بیشتر. - ![تصاویر ۲ موز مختلف](../../../../../translated_images/fa/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![تصاویر ۲ موز مختلف](../../../../../translated_images/fa/banana-training-images.530eb203346d73bc.webp) * همین فرآیند را برای ۲ موز نارس تکرار کنید. @@ -174,7 +174,7 @@ Custom Vision بخشی از مجموعه ابزارهای AI مایکروساف 1. بخش [آپلود و برچسب‌گذاری تصاویر در سریع‌العمل ساخت دسته‌بند در مستندات مایکروسافت](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) را دنبال کنید تا تصاویر آموزشی خود را آپلود کنید. میوه رسیده را با برچسب `ripe` و میوه نارس را با برچسب `unripe` برچسب‌گذاری کنید. - ![دیالوگ‌های آپلود تصاویر موزهای رسیده و نارس](../../../../../translated_images/fa/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![دیالوگ‌های آپلود تصاویر موزهای رسیده و نارس](../../../../../translated_images/fa/image-upload-bananas.0751639f3815e0ec.webp) 1. بخش [آموزش دسته‌بند در سریع‌العمل ساخت دسته‌بند در مستندات مایکروسافت](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) را دنبال کنید تا دسته‌بند تصویر را بر اساس تصاویر آپلود شده خود آموزش دهید. @@ -192,7 +192,7 @@ Custom Vision بخشی از مجموعه ابزارهای AI مایکروساف 1. بخش [آزمایش مدل خود در مستندات مایکروسافت](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) را دنبال کنید تا دسته‌بند تصویر خود را آزمایش کنید. از تصاویر آزمایشی که قبلاً ایجاد کرده‌اید استفاده کنید، نه هیچ‌یک از تصاویر مورد استفاده برای آموزش. - ![یک موز نارس که با احتمال ۹۸.۹٪ به عنوان نارس و با احتمال ۱.۱٪ به عنوان رسیده پیش‌بینی شده است](../../../../../translated_images/fa/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![یک موز نارس که با احتمال ۹۸.۹٪ به عنوان نارس و با احتمال ۱.۱٪ به عنوان رسیده پیش‌بینی شده است](../../../../../translated_images/fa/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. تمام تصاویر آزمایشی که در دسترس دارید را امتحان کنید و احتمالات را مشاهده کنید. diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/README.md index 3abae2838..11f92f41e 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # بررسی کیفیت میوه با استفاده از دستگاه IoT -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-16.215daf18b00631fb.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -26,7 +26,7 @@ حسگرهای دوربین، همان‌طور که از نامشان پیداست، دوربین‌هایی هستند که می‌توانید به دستگاه IoT خود متصل کنید. این دوربین‌ها می‌توانند تصاویر ثابت بگیرند یا ویدئوهای استریم ضبط کنند. برخی از آن‌ها داده‌های خام تصویر را ارائه می‌دهند، در حالی که برخی دیگر داده‌های تصویر را به فایل‌هایی مانند JPEG یا PNG فشرده می‌کنند. معمولاً دوربین‌هایی که با دستگاه‌های IoT کار می‌کنند، بسیار کوچک‌تر و با وضوح پایین‌تر از آنچه که ممکن است به آن عادت داشته باشید هستند، اما می‌توانید دوربین‌های با وضوح بالا تهیه کنید که با گوشی‌های پیشرفته رقابت می‌کنند. همچنین می‌توانید لنزهای قابل تعویض، تنظیمات چند دوربینه، دوربین‌های حرارتی مادون قرمز یا دوربین‌های UV تهیه کنید. -![نور از یک صحنه از لنز عبور کرده و روی حسگر CMOS متمرکز می‌شود](../../../../../translated_images/fa/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![نور از یک صحنه از لنز عبور کرده و روی حسگر CMOS متمرکز می‌شود](../../../../../translated_images/fa/cmos-sensor.75f9cd74decb1371.webp) بیشتر حسگرهای دوربین از حسگرهای تصویری استفاده می‌کنند که در آن هر پیکسل یک فوتودیود است. لنز تصویر را روی حسگر تصویر متمرکز می‌کند و هزاران یا میلیون‌ها فوتودیود نور را که به هر یک می‌تابد تشخیص داده و آن را به عنوان داده پیکسل ثبت می‌کنند. @@ -74,7 +74,7 @@ 1. دکمه **Publish** را برای تکرار انتخاب کنید. - ![دکمه انتشار](../../../../../translated_images/fa/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![دکمه انتشار](../../../../../translated_images/fa/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. در دیالوگ *Publish Model*، منبع *Prediction resource* را به منبع `fruit-quality-detector-prediction` که در درس قبلی ایجاد کردید تنظیم کنید. نام را به صورت `Iteration2` بگذارید و دکمه **Publish** را انتخاب کنید. @@ -88,7 +88,7 @@ همچنین مقدار *Prediction-Key* را کپی کنید. این یک کلید امن است که باید هنگام فراخوانی مدل ارسال شود. فقط برنامه‌هایی که این کلید را ارسال می‌کنند اجازه استفاده از مدل را دارند و سایر برنامه‌ها رد می‌شوند. - ![دیالوگ API پیش‌بینی که URL و کلید را نشان می‌دهد](../../../../../translated_images/fa/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![دیالوگ API پیش‌بینی که URL و کلید را نشان می‌دهد](../../../../../translated_images/fa/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ وقتی یک تکرار جدید منتشر می‌شود، نام متفاوتی خواهد داشت. چگونه فکر می‌کنید می‌توانید تکرار مورد استفاده دستگاه IoT را تغییر دهید؟ @@ -109,7 +109,7 @@ برای دریافت بهترین نتایج از یک دسته‌بندی‌کننده تصویر، باید مدل را با تصاویری که تا حد ممکن مشابه تصاویر مورد استفاده برای پیش‌بینی هستند آموزش دهید. اگر از دوربین گوشی خود برای ثبت تصاویر برای آموزش استفاده کرده‌اید، به عنوان مثال، کیفیت تصویر، وضوح و رنگ با دوربین متصل به دستگاه IoT متفاوت خواهد بود. -![دو تصویر موز، یکی با وضوح پایین و نور ضعیف از دستگاه IoT و دیگری با وضوح بالا و نور خوب از گوشی](../../../../../translated_images/fa/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![دو تصویر موز، یکی با وضوح پایین و نور ضعیف از دستگاه IoT و دیگری با وضوح بالا و نور خوب از گوشی](../../../../../translated_images/fa/banana-picture-compare.174df164dc326a42.webp) در تصویر بالا، تصویر موز سمت چپ با استفاده از دوربین Raspberry Pi گرفته شده است، و تصویر سمت راست از همان موز در همان مکان با استفاده از آیفون گرفته شده است. تفاوت کیفیت قابل توجه است - تصویر آیفون واضح‌تر، با رنگ‌های روشن‌تر و کنتراست بیشتر است. diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index be050602c..9fccffe79 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ ### وظیفه - اتصال دوربین -![یک دوربین رزبری پای](../../../../../translated_images/fa/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![یک دوربین رزبری پای](../../../../../translated_images/fa/pi-camera-module.4278753c31bd6e75.webp) 1. رزبری پای را خاموش کنید. @@ -24,17 +24,17 @@ می‌توانید یک انیمیشن که نحوه باز کردن گیره و قرار دادن کابل را نشان می‌دهد در [مستندات شروع کار با ماژول دوربین رزبری پای](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) پیدا کنید. - ![کابل نواری وارد شده به ماژول دوربین](../../../../../translated_images/fa/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![کابل نواری وارد شده به ماژول دوربین](../../../../../translated_images/fa/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. کلاهک Grove Base را از رزبری پای جدا کنید. 1. کابل نواری را از شکاف دوربین در کلاهک Grove Base عبور دهید. مطمئن شوید که سمت آبی کابل به سمت پورت‌های آنالوگ با برچسب **A0**، **A1** و غیره باشد. - ![کابل نواری عبور کرده از کلاهک Grove Base](../../../../../translated_images/fa/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![کابل نواری عبور کرده از کلاهک Grove Base](../../../../../translated_images/fa/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. کابل نواری را در پورت دوربین روی رزبری پای قرار دهید. دوباره، گیره پلاستیکی مشکی را بالا بکشید، کابل را وارد کنید، سپس گیره را به جای خود فشار دهید. سمت آبی کابل باید به سمت پورت‌های USB و اترنت باشد. - ![کابل نواری متصل به سوکت دوربین روی رزبری پای](../../../../../translated_images/fa/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![کابل نواری متصل به سوکت دوربین روی رزبری پای](../../../../../translated_images/fa/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. کلاهک Grove Base را دوباره نصب کنید. @@ -101,7 +101,7 @@ خط `camera.rotation = 0` چرخش تصویر را تنظیم می‌کند. کابل نواری از پایین دوربین وارد می‌شود، اما اگر دوربین شما برای راحت‌تر نشانه‌گیری به سمت شیء مورد نظر چرخانده شده باشد، می‌توانید این خط را به تعداد درجه‌های چرخش تغییر دهید. - ![دوربین آویزان شده بر روی یک قوطی نوشیدنی](../../../../../translated_images/fa/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![دوربین آویزان شده بر روی یک قوطی نوشیدنی](../../../../../translated_images/fa/pi-camera-upside-down.5376961ba3145988.webp) برای مثال، اگر کابل نواری را از بالای چیزی آویزان کنید تا در بالای دوربین قرار گیرد، چرخش را به 180 تنظیم کنید: diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 1120cf8c3..24c688a5d 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ شما می‌توانید تصویری که گرفته شده است را ببینید و این مقادیر را در تب **Predictions** در Custom Vision مشاهده کنید. - ![یک موز در Custom Vision که با احتمال 56.8% رسیده و با احتمال 43.1% نارس پیش‌بینی شده است](../../../../../translated_images/fa/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![یک موز در Custom Vision که با احتمال 56.8% رسیده و با احتمال 43.1% نارس پیش‌بینی شده است](../../../../../translated_images/fa/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 می‌توانید این کد را در پوشه [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) یا [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) پیدا کنید. diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index ef63831ee..1e24ad039 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ 1. دکمه **Add** را برای ایجاد دوربین انتخاب کنید. - ![تنظیمات دوربین](../../../../../translated_images/fa/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![تنظیمات دوربین](../../../../../translated_images/fa/counterfit-create-camera.a5de97f59c0bd3cb.webp) دوربین ایجاد شده و در لیست حسگرها ظاهر می‌شود. - ![دوربین ایجاد شده](../../../../../translated_images/fa/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![دوربین ایجاد شده](../../../../../translated_images/fa/counterfit-camera.001ec52194c8ee5d.webp) ## برنامه‌نویسی دوربین @@ -103,7 +103,7 @@ 1. تصویری که دوربین در CounterFit می‌گیرد را پیکربندی کنید. می‌توانید *Source* را به *File* تنظیم کنید، سپس یک فایل تصویر آپلود کنید، یا *Source* را به *WebCam* تنظیم کنید و تصاویر از وب‌کم شما گرفته شوند. مطمئن شوید که پس از انتخاب تصویر یا وب‌کم، دکمه **Set** را انتخاب کنید. - ![CounterFit با یک فایل به‌عنوان منبع تصویر تنظیم شده و یک وب‌کم که شخصی را در حال نگه داشتن یک موز نشان می‌دهد](../../../../../translated_images/fa/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit با یک فایل به‌عنوان منبع تصویر تنظیم شده و یک وب‌کم که شخصی را در حال نگه داشتن یک موز نشان می‌دهد](../../../../../translated_images/fa/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. یک تصویر گرفته شده و به‌عنوان `image.jpg` در پوشه فعلی ذخیره می‌شود. این فایل را در کاوشگر VS Code خواهید دید. فایل را انتخاب کنید تا تصویر را مشاهده کنید. اگر نیاز به چرخش دارد، خط `camera.rotation = 0` را به‌طور مناسب به‌روزرسانی کنید و دوباره عکس بگیرید. diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index acd1ce8f8..71c1e2d35 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam سوکت Grove ندارد و به جای آن از طریق پین‌ه دوربین را متصل کنید. -![یک حسگر ArduCam](../../../../../translated_images/fa/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![یک حسگر ArduCam](../../../../../translated_images/fa/arducam.20e4e4cbb2682965.webp) 1. پین‌های پایه ArduCam باید به پین‌های GPIO روی Wio Terminal متصل شوند. برای راحت‌تر پیدا کردن پین‌های درست، برچسب پین GPIO که همراه Wio Terminal است را دور پین‌ها بچسبانید: @@ -35,7 +35,7 @@ ArduCam سوکت Grove ندارد و به جای آن از طریق پین‌ه | SDA | 3 (I2C1_SDA) | داده سریال I2C | | SCL | 5 (I2C1_SCL) | ساعت سریال I2C | - ![Wio Terminal متصل به ArduCam با سیم‌های جامپر](../../../../../translated_images/fa/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![Wio Terminal متصل به ArduCam با سیم‌های جامپر](../../../../../translated_images/fa/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) اتصالات GND و VCC منبع تغذیه ۵ ولت را به ArduCam ارائه می‌دهند. این دوربین با ۵ ولت کار می‌کند، برخلاف حسگرهای Grove که با ۳ ولت کار می‌کنند. این توان مستقیماً از اتصال USB-C که دستگاه را تغذیه می‌کند تأمین می‌شود. @@ -456,7 +456,7 @@ Wio Terminal فقط از کارت‌های microSD با حداکثر ظرفیت 1. کارت microSD را خاموش کرده و با فشار دادن کمی و رها کردن آن را خارج کنید، و کارت بیرون می‌آید. ممکن است نیاز باشد از یک ابزار نازک برای این کار استفاده کنید. کارت microSD را به کامپیوتر خود متصل کنید تا تصاویر را مشاهده کنید. - ![تصویری از یک موز که با استفاده از ArduCam ثبت شده است](../../../../../translated_images/fa/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![تصویری از یک موز که با استفاده از ArduCam ثبت شده است](../../../../../translated_images/fa/banana-arducam.be1b32d4267a8194.webp) 💁 ممکن است چند تصویر طول بکشد تا تراز سفیدی دوربین تنظیم شود. شما این را بر اساس رنگ تصاویر گرفته شده متوجه خواهید شد، چند تصویر اول ممکن است رنگ غیرعادی داشته باشند. شما همیشه می‌توانید با تغییر کد برای گرفتن چند تصویر که در تابع `setup` نادیده گرفته می‌شوند، این مشکل را حل کنید. diff --git a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 86204ba33..21a536712 100644 --- a/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/fa/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ شما می‌توانید تصویری که گرفته شده و این مقادیر را در تب **Predictions** در Custom Vision مشاهده کنید. - ![یک موز در Custom Vision پیش‌بینی شده به‌عنوان رسیده با 56.8% و نارس با 43.1%](../../../../../translated_images/fa/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![یک موز در Custom Vision پیش‌بینی شده به‌عنوان رسیده با 56.8% و نارس با 43.1%](../../../../../translated_images/fa/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 می‌توانید این کد را در پوشه [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) پیدا کنید. diff --git a/translations/fa/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/fa/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index f75f48165..539514cd7 100644 --- a/translations/fa/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/fa/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # اجرای آشکارساز میوه در لبه -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-17.bc333c3c35ba8e42.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -33,11 +33,11 @@ محاسبات لبه شامل داشتن کامپیوترهایی است که داده‌های IoT را تا حد ممکن نزدیک به جایی که داده‌ها تولید می‌شوند پردازش می‌کنند. به جای اینکه این پردازش در فضای ابری انجام شود، به لبه فضای ابری - شبکه داخلی شما - منتقل می‌شود. -![یک نمودار معماری که خدمات اینترنتی در فضای ابری و دستگاه‌های IoT در یک شبکه محلی را نشان می‌دهد](../../../../../translated_images/fa/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![یک نمودار معماری که خدمات اینترنتی در فضای ابری و دستگاه‌های IoT در یک شبکه محلی را نشان می‌دهد](../../../../../translated_images/fa/cloud-without-edge.b4da641f6022c95e.webp) در درس‌های قبلی، شما دستگاه‌هایی داشتید که داده‌ها را جمع‌آوری کرده و برای تجزیه و تحلیل به فضای ابری ارسال می‌کردند، و در آنجا توابع بدون سرور یا مدل‌های هوش مصنوعی اجرا می‌شدند. -![یک نمودار معماری که دستگاه‌های IoT در یک شبکه محلی را نشان می‌دهد که به دستگاه‌های لبه متصل می‌شوند، و این دستگاه‌های لبه به فضای ابری متصل می‌شوند](../../../../../translated_images/fa/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![یک نمودار معماری که دستگاه‌های IoT در یک شبکه محلی را نشان می‌دهد که به دستگاه‌های لبه متصل می‌شوند، و این دستگاه‌های لبه به فضای ابری متصل می‌شوند](../../../../../translated_images/fa/cloud-with-edge.1e26462c62c126fe.webp) محاسبات لبه شامل انتقال برخی از خدمات ابری به کامپیوترهایی است که در همان شبکه دستگاه‌های IoT اجرا می‌شوند و فقط در صورت نیاز با فضای ابری ارتباط برقرار می‌کنند. به عنوان مثال، می‌توانید مدل‌های هوش مصنوعی را بر روی دستگاه‌های لبه اجرا کنید تا میوه‌ها را از نظر رسیده بودن تحلیل کنید و فقط تحلیل‌ها را به فضای ابری ارسال کنید، مانند تعداد میوه‌های رسیده در مقابل نارس. @@ -85,7 +85,7 @@ ## Azure IoT Edge -![لوگوی Azure IoT Edge](../../../../../translated_images/fa/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![لوگوی Azure IoT Edge](../../../../../translated_images/fa/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge یک سرویس است که می‌تواند به شما کمک کند تا بارهای کاری را از فضای ابری به لبه منتقل کنید. شما یک دستگاه را به عنوان دستگاه لبه تنظیم می‌کنید و از فضای ابری می‌توانید کد را به آن دستگاه لبه مستقر کنید. این امکان را به شما می‌دهد تا قابلیت‌های فضای ابری و لبه را ترکیب کنید. @@ -99,7 +99,7 @@ IoT Edge در IoT Hub ساخته شده است، بنابراین می‌توا IoT Edge کد را از *کانتینرها* اجرا می‌کند - برنامه‌های خودکفایی که به صورت جداگانه از سایر برنامه‌های کامپیوتر شما اجرا می‌شوند. هنگامی که یک کانتینر اجرا می‌شود، مانند یک کامپیوتر جداگانه است که در داخل کامپیوتر شما اجرا می‌شود، با نرم‌افزار، خدمات و برنامه‌های خاص خود. بیشتر اوقات کانتینرها نمی‌توانند به چیزی در کامپیوتر شما دسترسی داشته باشند مگر اینکه انتخاب کنید چیزی مانند یک پوشه را با کانتینر به اشتراک بگذارید. کانتینر سپس خدمات را از طریق یک پورت باز ارائه می‌دهد که می‌توانید به آن متصل شوید یا آن را به شبکه خود ارائه دهید. -![یک درخواست وب که به یک کانتینر هدایت شده است](../../../../../translated_images/fa/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![یک درخواست وب که به یک کانتینر هدایت شده است](../../../../../translated_images/fa/container-web-browser.4ee81dd4f0d8838c.webp) به عنوان مثال، می‌توانید یک کانتینر با یک وب‌سایت که بر روی پورت 80 اجرا می‌شود، پورت پیش‌فرض HTTP، داشته باشید و سپس آن را از کامپیوتر خود نیز بر روی پورت 80 ارائه دهید. @@ -195,11 +195,11 @@ IoT Edge کد را از *کانتینرها* اجرا می‌کند - برنام ## آماده‌سازی کانتینر برای استقرار -![کانتینرها ساخته شده و سپس به یک رجیستری کانتینر ارسال می‌شوند و از رجیستری کانتینر به دستگاه edge با استفاده از IoT Edge مستقر می‌شوند](../../../../../translated_images/fa/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![کانتینرها ساخته شده و سپس به یک رجیستری کانتینر ارسال می‌شوند و از رجیستری کانتینر به دستگاه edge با استفاده از IoT Edge مستقر می‌شوند](../../../../../translated_images/fa/container-edge-flow.c246050dd60ceefd.webp) پس از دانلود مدل، باید آن را به یک کانتینر تبدیل کنید و سپس به یک رجیستری کانتینر ارسال کنید - مکانی آنلاین که می‌توانید کانتینرها را ذخیره کنید. IoT Edge سپس کانتینر را از رجیستری دانلود کرده و به دستگاه شما ارسال می‌کند. -![لوگوی Azure Container Registry](../../../../../translated_images/fa/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![لوگوی Azure Container Registry](../../../../../translated_images/fa/azure-container-registry-logo.09494206991d4b29.webp) رجیستری کانتینری که در این درس استفاده خواهید کرد Azure Container Registry است. این سرویس رایگان نیست، بنابراین برای صرفه‌جویی در هزینه مطمئن شوید که پس از اتمام کار [پروژه خود را پاک کنید](../../../clean-up.md). diff --git a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index dad803753..d268a7159 100644 --- a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # تشخیص کیفیت میوه با استفاده از حسگر -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-18.92c32ed1d354caa5.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -39,7 +39,7 @@ ### معماری مرجع IoT -![یک معماری مرجع IoT](../../../../../translated_images/fa/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![یک معماری مرجع IoT](../../../../../translated_images/fa/iot-reference-architecture.2278b98b55c6d4e8.webp) نمودار بالا یک معماری مرجع IoT را نشان می‌دهد. @@ -49,7 +49,7 @@ * **بینش‌ها** از برنامه‌های بدون سرور یا تحلیل‌هایی که روی داده‌های ذخیره‌شده اجرا می‌شوند به دست می‌آیند. * **اقدامات** می‌توانند دستورات ارسال‌شده به دستگاه‌ها یا نمایش داده‌ها برای تصمیم‌گیری انسان باشند. -![یک معماری مرجع IoT](../../../../../translated_images/fa/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![یک معماری مرجع IoT](../../../../../translated_images/fa/iot-reference-architecture-azure.0b8d2161af924cb1.webp) نمودار بالا برخی از اجزا و خدماتی که تاکنون در این درس‌ها پوشش داده شده‌اند و نحوه ارتباط آن‌ها در یک معماری مرجع IoT را نشان می‌دهد. @@ -89,7 +89,7 @@ ### نمونه‌سازی برنامه شما -![یک معماری مرجع IoT برای بررسی کیفیت میوه](../../../../../translated_images/fa/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![یک معماری مرجع IoT برای بررسی کیفیت میوه](../../../../../translated_images/fa/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) نمودار بالا یک معماری مرجع برای این برنامه نمونه اولیه را نشان می‌دهد. @@ -124,7 +124,7 @@ نمونه اولیه تشخیص میوه شامل چندین مؤلفه است که با یکدیگر ارتباط برقرار می‌کنند. -![مؤلفه‌هایی که با یکدیگر ارتباط برقرار می‌کنند](../../../../../translated_images/fa/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![مؤلفه‌هایی که با یکدیگر ارتباط برقرار می‌کنند](../../../../../translated_images/fa/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * یک حسگر مجاورت که فاصله تا یک میوه را اندازه‌گیری کرده و آن را به IoT Hub ارسال می‌کند * فرمان کنترل دوربین که از IoT Hub به دستگاه دوربین ارسال می‌شود diff --git a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 2f80b6342..5210883b9 100644 --- a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ حسگر Time of Flight را متصل کنید. -![یک حسگر Time of Flight Grove](../../../../../translated_images/fa/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![یک حسگر Time of Flight Grove](../../../../../translated_images/fa/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. یک سر کابل Grove را به سوکت روی حسگر Time of Flight وارد کنید. این کابل فقط به یک جهت وارد می‌شود. diff --git a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 87ca7d79e..0ca2afdcf 100644 --- a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ 1. دکمه **Add** را انتخاب کنید تا حسگر فاصله ایجاد شود. - ![تنظیمات حسگر فاصله](../../../../../translated_images/fa/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![تنظیمات حسگر فاصله](../../../../../translated_images/fa/counterfit-create-distance-sensor.967c9fb98f27888d.webp) حسگر فاصله ایجاد خواهد شد و در لیست حسگرها ظاهر می‌شود. - ![حسگر فاصله ایجاد شده](../../../../../translated_images/fa/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![حسگر فاصله ایجاد شده](../../../../../translated_images/fa/counterfit-distance-sensor.079eefeeea0b68af.webp) ## برنامه‌نویسی حسگر فاصله diff --git a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 80d54b0ec..47b000bdd 100644 --- a/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/fa/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -21,7 +21,7 @@ C است. حسگر Time of Flight را متصل کنید. -![یک حسگر Grove Time of Flight](../../../../../translated_images/fa/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![یک حسگر Grove Time of Flight](../../../../../translated_images/fa/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. یک سر کابل Grove را به سوکت روی حسگر Time of Flight وارد کنید. این کابل فقط از یک جهت وارد می‌شود. diff --git a/translations/fa/5-retail/lessons/1-train-stock-detector/README.md b/translations/fa/5-retail/lessons/1-train-stock-detector/README.md index 92e66ca0d..e58ebb93f 100644 --- a/translations/fa/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/fa/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # آموزش ساخت یک تشخیص‌دهنده موجودی -![نمای کلی از این درس](../../../../../translated_images/fa/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![نمای کلی از این درس](../../../../../translated_images/fa/lesson-19.cf6973cecadf080c.webp) > طراحی توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -36,7 +36,7 @@ طبقه‌بندی تصویر به معنای طبقه‌بندی کل تصویر است - اینکه احتمال تطابق کل تصویر با هر برچسب چقدر است. شما احتمال‌ها را برای هر برچسبی که مدل با آن آموزش دیده است دریافت می‌کنید. -![طبقه‌بندی تصویر برای بادام هندی و رب گوجه‌فرنگی](../../../../../translated_images/fa/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![طبقه‌بندی تصویر برای بادام هندی و رب گوجه‌فرنگی](../../../../../translated_images/fa/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) در مثال بالا، دو تصویر با استفاده از مدلی که برای طبقه‌بندی قوطی‌های بادام هندی یا رب گوجه‌فرنگی آموزش دیده است، طبقه‌بندی شده‌اند. تصویر اول یک قوطی بادام هندی است و نتایج زیر را از طبقه‌بندی تصویر دارد: @@ -60,7 +60,7 @@ > 🎓 *جعبه‌های محدودکننده* جعبه‌هایی هستند که دور یک شیء کشیده می‌شوند. -![تشخیص اشیا برای بادام هندی و رب گوجه‌فرنگی](../../../../../translated_images/fa/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![تشخیص اشیا برای بادام هندی و رب گوجه‌فرنگی](../../../../../translated_images/fa/object-detector-cashews-tomato.1af7c26686b4db0e.webp) تصویر بالا شامل یک قوطی بادام هندی و سه قوطی رب گوجه‌فرنگی است. تشخیص‌دهنده اشیا بادام هندی را شناسایی کرده و جعبه محدودکننده‌ای که شامل بادام هندی است را با احتمال 97.6% ارائه داده است. همچنین سه قوطی رب گوجه‌فرنگی شناسایی شده‌اند و سه جعبه محدودکننده جداگانه برای هر قوطی ارائه شده است، هر کدام با احتمال تطابق با قوطی رب گوجه‌فرنگی. @@ -111,7 +111,7 @@ هنگام ایجاد پروژه، مطمئن شوید که از منبع `stock-detector-training` که قبلاً ایجاد کرده‌اید استفاده می‌کنید. نوع پروژه را *تشخیص اشیا* و دامنه را *محصولات روی قفسه‌ها* انتخاب کنید. - ![تنظیمات پروژه Custom Vision با نام fruit-quality-detector، بدون توضیحات، منبع تنظیم‌شده به fruit-quality-detector-training، نوع پروژه تنظیم‌شده به طبقه‌بندی، نوع طبقه‌بندی تنظیم‌شده به چندکلاسه و دامنه‌ها تنظیم‌شده به غذا](../../../../../translated_images/fa/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![تنظیمات پروژه Custom Vision با نام fruit-quality-detector، بدون توضیحات، منبع تنظیم‌شده به fruit-quality-detector-training، نوع پروژه تنظیم‌شده به طبقه‌بندی، نوع طبقه‌بندی تنظیم‌شده به چندکلاسه و دامنه‌ها تنظیم‌شده به غذا](../../../../../translated_images/fa/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ دامنه محصولات روی قفسه‌ها به‌طور خاص برای شناسایی موجودی روی قفسه‌های فروشگاه طراحی شده است. درباره دامنه‌های مختلف در [مستندات انتخاب دامنه در Microsoft Docs](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) بیشتر بخوانید. @@ -133,11 +133,11 @@ 1. بخش [آپلود و برچسب‌گذاری تصاویر در مستندات 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) را دنبال کنید تا تصاویر آموزشی خود را آپلود کنید. برچسب‌های مرتبط را بسته به نوع اشیایی که می‌خواهید شناسایی کنید ایجاد کنید. - ![دیالوگ‌های آپلود که آپلود تصاویر موز رسیده و نارس را نشان می‌دهند](../../../../../translated_images/fa/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![دیالوگ‌های آپلود که آپلود تصاویر موز رسیده و نارس را نشان می‌دهند](../../../../../translated_images/fa/image-upload-object-detector.77c7892c3093cb59.webp) هنگام کشیدن جعبه‌های محدودکننده برای اشیا، آن‌ها را دقیقاً دور شیء بکشید. ممکن است کشیدن جعبه‌ها برای همه تصاویر زمان‌بر باشد، اما ابزار تشخیص می‌دهد که جعبه‌های محدودکننده کجا باید باشند، که این کار را سریع‌تر می‌کند. - ![برچسب‌گذاری رب گوجه‌فرنگی](../../../../../translated_images/fa/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![برچسب‌گذاری رب گوجه‌فرنگی](../../../../../translated_images/fa/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 اگر بیش از 15 تصویر برای هر شیء دارید، می‌توانید پس از 15 تصویر آموزش دهید و از ویژگی **برچسب‌های پیشنهادی** استفاده کنید. این ویژگی از مدل آموزش‌دیده برای شناسایی اشیا در تصاویر بدون برچسب استفاده می‌کند. سپس می‌توانید اشیای شناسایی‌شده را تأیید یا رد کنید و جعبه‌های محدودکننده را دوباره بکشید. این کار می‌تواند زمان زیادی را صرفه‌جویی کند. @@ -155,7 +155,7 @@ 1. از دکمه **آزمایش سریع** برای آپلود تصاویر آزمایشی و تأیید شناسایی اشیا استفاده کنید. از تصاویری که قبلاً برای آموزش استفاده کرده‌اید استفاده نکنید. - ![3 قوطی رب گوجه‌فرنگی شناسایی‌شده با احتمال‌های 38%، 35.5% و 34.6%](../../../../../translated_images/fa/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![3 قوطی رب گوجه‌فرنگی شناسایی‌شده با احتمال‌های 38%، 35.5% و 34.6%](../../../../../translated_images/fa/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. همه تصاویر آزمایشی که در دسترس دارید را امتحان کنید و احتمال‌ها را مشاهده کنید. diff --git a/translations/fa/5-retail/lessons/2-check-stock-device/README.md b/translations/fa/5-retail/lessons/2-check-stock-device/README.md index 14400b95f..e6624106d 100644 --- a/translations/fa/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/fa/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # بررسی موجودی کالا با استفاده از دستگاه IoT -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-20.0211df9551a8abb3.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -62,7 +62,7 @@ 1. دکمه **Publish** را برای نسخه انتخاب کنید. - ![دکمه انتشار](../../../../../translated_images/fa/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![دکمه انتشار](../../../../../translated_images/fa/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. در دیالوگ *Publish Model*، منبع *Prediction resource* را به منبع `stock-detector-prediction` که در درس قبلی ایجاد کرده‌اید تنظیم کنید. نام را به صورت `Iteration2` باقی بگذارید و دکمه **Publish** را انتخاب کنید. @@ -76,7 +76,7 @@ همچنین مقدار *Prediction-Key* را کپی کنید. این یک کلید امن است که باید هنگام فراخوانی مدل ارسال شود. فقط برنامه‌هایی که این کلید را ارسال کنند اجازه استفاده از مدل را دارند و سایر برنامه‌ها رد می‌شوند. - ![دیالوگ API پیش‌بینی که URL و کلید را نشان می‌دهد](../../../../../translated_images/fa/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![دیالوگ API پیش‌بینی که URL و کلید را نشان می‌دهد](../../../../../translated_images/fa/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ وقتی یک نسخه جدید منتشر می‌شود، نام متفاوتی خواهد داشت. فکر می‌کنید چگونه می‌توانید نسخه‌ای که دستگاه IoT استفاده می‌کند را تغییر دهید؟ @@ -95,7 +95,7 @@ نتایج پیش‌بینی در تب **Predictions** در Custom Vision دارای جعبه‌های محدودکننده‌ای هستند که روی تصویر ارسال شده برای پیش‌بینی ترسیم شده‌اند. -![۴ قوطی رب گوجه‌فرنگی روی قفسه با پیش‌بینی‌های ۳۵.۸٪، ۳۳.۵٪، ۲۵.۷٪ و ۱۶.۶٪](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![۴ قوطی رب گوجه‌فرنگی روی قفسه با پیش‌بینی‌های ۳۵.۸٪، ۳۳.۵٪، ۲۵.۷٪ و ۱۶.۶٪](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca341.webp) در تصویر بالا، ۴ قوطی رب گوجه‌فرنگی شناسایی شده‌اند. در نتایج، یک مربع قرمز برای هر شیء شناسایی شده در تصویر ترسیم شده است که جعبه محدودکننده برای تصویر را نشان می‌دهد. @@ -103,7 +103,7 @@ جعبه‌های محدودکننده با ۴ مقدار تعریف می‌شوند - بالا، چپ، ارتفاع و عرض. این مقادیر در مقیاس ۰-۱ هستند و موقعیت‌ها را به عنوان درصدی از اندازه تصویر نشان می‌دهند. مبدا (موقعیت ۰,۰) گوشه بالا سمت چپ تصویر است، بنابراین مقدار بالا فاصله از بالا است و پایین جعبه محدودکننده برابر با بالا به علاوه ارتفاع است. -![یک جعبه محدودکننده دور یک قوطی رب گوجه‌فرنگی](../../../../../translated_images/fa/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![یک جعبه محدودکننده دور یک قوطی رب گوجه‌فرنگی](../../../../../translated_images/fa/bounding-box.1420a7ea0d3d15f7.webp) تصویر بالا ۶۰۰ پیکسل عرض و ۸۰۰ پیکسل ارتفاع دارد. جعبه محدودکننده از ۳۲۰ پیکسل پایین شروع می‌شود، که مقدار بالا برابر با ۰.۴ است (۸۰۰ x 0.4 = 320). از سمت چپ، جعبه محدودکننده از ۲۴۰ پیکسل عرض شروع می‌شود، که مقدار چپ برابر با ۰.۴ است (۶۰۰ x 0.4 = 240). ارتفاع جعبه محدودکننده ۲۴۰ پیکسل است، که مقدار ارتفاع برابر با ۰.۳ است (۸۰۰ x 0.3 = 240). عرض جعبه محدودکننده ۱۲۰ پیکسل است، که مقدار عرض برابر با ۰.۲ است (۶۰۰ x 0.2 = 120). @@ -118,7 +118,7 @@ می‌توانید از جعبه‌های محدودکننده همراه با احتمالات برای ارزیابی دقت شناسایی استفاده کنید. برای مثال، یک مدل تشخیص اشیا می‌تواند چندین شیء را که با هم همپوشانی دارند شناسایی کند، مانند شناسایی یک قوطی داخل دیگری. کد شما می‌تواند جعبه‌های محدودکننده را بررسی کند، بفهمد که این غیرممکن است و هر شیء که همپوشانی قابل توجهی با سایر اشیا دارد را نادیده بگیرد. -![دو جعبه محدودکننده که یک قوطی رب گوجه‌فرنگی را همپوشانی کرده‌اند](../../../../../translated_images/fa/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![دو جعبه محدودکننده که یک قوطی رب گوجه‌فرنگی را همپوشانی کرده‌اند](../../../../../translated_images/fa/overlap-object-detection.d431e03cae75072a.webp) در مثال بالا، یک جعبه محدودکننده یک قوطی رب گوجه‌فرنگی را با احتمال ۷۸.۳٪ شناسایی کرده است. یک جعبه محدودکننده دوم کمی کوچک‌تر است و داخل جعبه اول با احتمال ۶۴.۳٪ قرار دارد. کد شما می‌تواند جعبه‌های محدودکننده را بررسی کند، ببیند که کاملاً همپوشانی دارند و احتمال پایین‌تر را نادیده بگیرد زیرا امکان ندارد یک قوطی داخل دیگری باشد. diff --git a/translations/fa/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/fa/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 2e0086994..b9f21200c 100644 --- a/translations/fa/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/fa/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ شما می‌توانید تصویری که گرفته شده و این مقادیر را در تب **Predictions** در Custom Vision مشاهده کنید. - ![چهار قوطی رب گوجه‌فرنگی روی یک قفسه با پیش‌بینی‌هایی برای چهار شناسایی با مقادیر ۳۵.۸٪، ۳۳.۵٪، ۲۵.۷٪ و ۱۶.۶٪](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![چهار قوطی رب گوجه‌فرنگی روی یک قفسه با پیش‌بینی‌هایی برای چهار شناسایی با مقادیر ۳۵.۸٪، ۳۳.۵٪، ۲۵.۷٪ و ۱۶.۶٪](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 می‌توانید این کد را در پوشه [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) یا [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) پیدا کنید. diff --git a/translations/fa/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/fa/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index a578e9ab3..f7a91484f 100644 --- a/translations/fa/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/fa/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ شما قادر خواهید بود تصویری که گرفته شده و این مقادیر را در تب **Predictions** در Custom Vision مشاهده کنید. - ![4 قوطی رب گوجه‌فرنگی روی یک قفسه با پیش‌بینی‌هایی برای 4 آشکارسازی با درصدهای 35.8%، 33.5%، 25.7% و 16.6%](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![4 قوطی رب گوجه‌فرنگی روی یک قفسه با پیش‌بینی‌هایی برای 4 آشکارسازی با درصدهای 35.8%، 33.5%، 25.7% و 16.6%](../../../../../translated_images/fa/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 می‌توانید این کد را در پوشه [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) پیدا کنید. diff --git a/translations/fa/6-consumer/lessons/1-speech-recognition/README.md b/translations/fa/6-consumer/lessons/1-speech-recognition/README.md index 9c4ba752b..5ad6c4770 100644 --- a/translations/fa/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/fa/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # تشخیص گفتار با یک دستگاه IoT -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-21.e34de51354d6606f.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -51,7 +51,7 @@ میکروفون‌های داینامیک برای کار کردن به برق نیاز ندارند، سیگنال الکتریکی کاملاً توسط میکروفون ایجاد می‌شود. - ![پتی اسمیت در حال خواندن به یک میکروفون نوع داینامیک کاردیوید Shure SM58](../../../../../translated_images/fa/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![پتی اسمیت در حال خواندن به یک میکروفون نوع داینامیک کاردیوید Shure SM58](../../../../../translated_images/fa/dynamic-mic.8babac890a2d80df.webp) * ریبون - میکروفون‌های ریبون مشابه میکروفون‌های داینامیک هستند، با این تفاوت که به جای دیافراگم یک نوار فلزی دارند. این نوار در یک میدان مغناطیسی حرکت می‌کند و جریان الکتریکی ایجاد می‌کند. مانند میکروفون‌های داینامیک، میکروفون‌های ریبون برای کار کردن به برق نیاز ندارند. @@ -59,11 +59,11 @@ * کندانسور - میکروفون‌های کندانسور دارای یک دیافراگم فلزی نازک و یک صفحه پشتی فلزی ثابت هستند. برق به هر دوی این‌ها اعمال می‌شود و با ارتعاش دیافراگم، بار استاتیک بین صفحات تغییر می‌کند و سیگنال تولید می‌شود. میکروفون‌های کندانسور برای کار کردن به برق نیاز دارند - که به آن *Phantom power* گفته می‌شود. - ![میکروفون کندانسور کوچک دیافراگم C451B توسط AKG Acoustics](../../../../../translated_images/fa/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![میکروفون کندانسور کوچک دیافراگم C451B توسط AKG Acoustics](../../../../../translated_images/fa/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS - میکروفون‌های سیستم‌های میکروالکترومکانیکی، یا MEMS، میکروفون‌هایی روی یک تراشه هستند. آن‌ها دارای یک دیافراگم حساس به فشار هستند که روی یک تراشه سیلیکونی حک شده و مشابه یک میکروفون کندانسور کار می‌کنند. این میکروفون‌ها می‌توانند بسیار کوچک باشند و در مدارها ادغام شوند. - ![یک میکروفون MEMS روی یک برد مدار](../../../../../translated_images/fa/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![یک میکروفون MEMS روی یک برد مدار](../../../../../translated_images/fa/mems-microphone.80574019e1f5e4d9.webp) در تصویر بالا، تراشه‌ای که با **LEFT** برچسب‌گذاری شده است یک میکروفون MEMS است، با یک دیافراگم کوچک که کمتر از یک میلی‌متر عرض دارد. @@ -159,7 +159,7 @@ ## تبدیل گفتار به متن -![لوگوی خدمات گفتار](../../../../../translated_images/fa/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![لوگوی خدمات گفتار](../../../../../translated_images/fa/azure-speech-logo.a1f08c4befb0159f.webp) مانند طبقه‌بندی تصویر در پروژه قبلی، خدمات هوش مصنوعی از پیش ساخته‌ای وجود دارند که می‌توانند گفتار را به عنوان یک فایل صوتی دریافت کرده و به متن تبدیل کنند. یکی از این خدمات، سرویس گفتار است که بخشی از خدمات شناختی، خدمات هوش مصنوعی از پیش ساخته‌ای است که می‌توانید در برنامه‌های خود استفاده کنید. diff --git a/translations/fa/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/fa/6-consumer/lessons/1-speech-recognition/pi-audio.md index 15c131c5f..b2e9c53f7 100644 --- a/translations/fa/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/fa/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ #### وظیفه - اتصال دکمه -![یک دکمه Grove](../../../../../translated_images/fa/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![یک دکمه Grove](../../../../../translated_images/fa/grove-button.a70cfbb809a85636.webp) 1. یک سر کابل Grove را به سوکت روی ماژول دکمه وارد کنید. کابل فقط به یک جهت وارد می‌شود. 1. با خاموش بودن رزبری پای، سر دیگر کابل Grove را به سوکت دیجیتال با علامت **D5** روی هت پایه Grove که به پای متصل است وصل کنید. این سوکت دومین سوکت از سمت چپ در ردیف سوکت‌های کنار پین‌های GPIO است. -![دکمه Grove متصل به سوکت D5](../../../../../translated_images/fa/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![دکمه Grove متصل به سوکت D5](../../../../../translated_images/fa/pi-button.c7a1a4f55943341c.webp) ## ضبط صدا diff --git a/translations/fa/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/fa/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 0a4be9cb7..4122be364 100644 --- a/translations/fa/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/fa/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ 1. اگر از ReSpeaker 2-Mics Pi HAT استفاده می‌کنید، می‌توانید پایه Grove را بردارید و سپس HAT ReSpeaker را جایگزین کنید. - ![یک رزبری پای با HAT ReSpeaker](../../../../../translated_images/fa/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![یک رزبری پای با HAT ReSpeaker](../../../../../translated_images/fa/pi-respeaker-hat.f00fabe7dd039a93.webp) شما در ادامه این درس به یک دکمه Grove نیاز خواهید داشت، اما یکی از این دکمه‌ها در این HAT تعبیه شده است، بنابراین پایه Grove لازم نیست. diff --git a/translations/fa/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/fa/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index ae9e6f8ac..79e04e549 100644 --- a/translations/fa/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/fa/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ ✅ اطلاعات بیشتر درباره DMA را در [صفحه دسترسی مستقیم به حافظه در ویکی‌پدیا](https://wikipedia.org/wiki/Direct_memory_access) بخوانید. -![صدا از میکروفون به ADC می‌رود و سپس به DMAC. این داده‌ها را به یک بافر می‌نویسد. وقتی این بافر پر شد، پردازش می‌شود و DMAC به بافر دوم می‌نویسد](../../../../../translated_images/fa/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![صدا از میکروفون به ADC می‌رود و سپس به DMAC. این داده‌ها را به یک بافر می‌نویسد. وقتی این بافر پر شد، پردازش می‌شود و DMAC به بافر دوم می‌نویسد](../../../../../translated_images/fa/dmac-adc-buffers.4509aee49145c90b.webp) DMAC می‌تواند صدا را از ADC در فواصل ثابت ضبط کند، مانند 16,000 بار در ثانیه برای صدای 16KHz. این داده‌های ضبط‌شده را می‌تواند به یک بافر حافظه از پیش تخصیص‌یافته بنویسد، و وقتی این بافر پر شد، آن را برای پردازش در اختیار کد شما قرار دهد. استفاده از این حافظه ممکن است ضبط صدا را به تأخیر بیندازد، اما می‌توانید چندین بافر تنظیم کنید. DMAC به بافر 1 می‌نویسد، سپس وقتی پر شد، کد شما را برای پردازش بافر 1 مطلع می‌کند، در حالی که DMAC به بافر 2 می‌نویسد. وقتی بافر 2 پر شد، کد شما را مطلع می‌کند و دوباره به نوشتن در بافر 1 بازمی‌گردد. به این ترتیب، تا زمانی که هر بافر را در زمانی کمتر از زمان پر شدن آن پردازش کنید، هیچ داده‌ای از دست نخواهد رفت. diff --git a/translations/fa/6-consumer/lessons/2-language-understanding/README.md b/translations/fa/6-consumer/lessons/2-language-understanding/README.md index ee3769e10..4340fd431 100644 --- a/translations/fa/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/fa/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # درک زبان -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-22.6148ea28500d9e00.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -46,7 +46,7 @@ ## ایجاد یک مدل درک زبان -![لوگوی LUIS](../../../../../translated_images/fa/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![لوگوی LUIS](../../../../../translated_images/fa/luis-logo.5cb4f3e88c020ee6.webp) شما می‌توانید مدل‌های درک زبان را با استفاده از LUIS، یک سرویس درک زبان از مایکروسافت که بخشی از خدمات شناختی است، ایجاد کنید. @@ -169,7 +169,7 @@ 1. همانطور که هر مثال را وارد می‌کنید، LUIS شروع به شناسایی موجودیت‌ها می‌کند و هر موجودیتی که پیدا کند را زیرخط و برچسب‌گذاری می‌کند. - ![مثال‌ها با اعداد و واحدهای زمانی که توسط LUIS زیرخط شده‌اند](../../../../../translated_images/fa/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![مثال‌ها با اعداد و واحدهای زمانی که توسط LUIS زیرخط شده‌اند](../../../../../translated_images/fa/luis-intent-examples.25716580b2d2723c.webp) ### وظیفه - آموزش و آزمایش مدل diff --git a/translations/fa/6-consumer/lessons/3-spoken-feedback/README.md b/translations/fa/6-consumer/lessons/3-spoken-feedback/README.md index b08b9efbf..cdb7a8f93 100644 --- a/translations/fa/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/fa/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # تنظیم تایمر و ارائه بازخورد صوتی -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-23.f38483e1d4df4828.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. diff --git a/translations/fa/6-consumer/lessons/4-multiple-language-support/README.md b/translations/fa/6-consumer/lessons/4-multiple-language-support/README.md index ae2e3c8ca..6c30be230 100644 --- a/translations/fa/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/fa/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # پشتیبانی از چند زبان -![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![نمای کلی درس به صورت اسکچ‌نوت](../../../../../translated_images/fa/lesson-24.4246968ed058510a.webp) > اسکچ‌نوت توسط [نیتیا ناراسیمهان](https://github.com/nitya). برای مشاهده نسخه بزرگ‌تر روی تصویر کلیک کنید. @@ -74,7 +74,7 @@ ### خدمات شناختی سرویس گفتار -![لوگوی سرویس گفتار](../../../../../translated_images/fa/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![لوگوی سرویس گفتار](../../../../../translated_images/fa/azure-speech-logo.a1f08c4befb0159f.webp) سرویس گفتاری که در درس‌های گذشته استفاده کرده‌اید، قابلیت‌های ترجمه برای تشخیص گفتار دارد. هنگامی که گفتار را تشخیص می‌دهید، می‌توانید نه تنها متن گفتار را به همان زبان درخواست کنید، بلکه به زبان‌های دیگر نیز. @@ -82,7 +82,7 @@ ### خدمات شناختی سرویس مترجم -![لوگوی سرویس مترجم](../../../../../translated_images/fa/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![لوگوی سرویس مترجم](../../../../../translated_images/fa/azure-translator-logo.c6ed3a4a433edfd2.webp) سرویس مترجم یک سرویس ترجمه اختصاصی است که می‌تواند متن را از یک زبان به یک یا چند زبان هدف ترجمه کند. علاوه بر ترجمه، از طیف گسترده‌ای از ویژگی‌های اضافی مانند ماسک کردن کلمات نامناسب پشتیبانی می‌کند. همچنین به شما اجازه می‌دهد ترجمه خاصی برای یک کلمه یا جمله خاص ارائه دهید، برای کار با اصطلاحاتی که نمی‌خواهید ترجمه شوند یا ترجمه شناخته‌شده خاصی دارند. diff --git a/translations/fa/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/fa/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index e286bdc11..8885f9a17 100644 --- a/translations/fa/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/fa/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ > > برای مثال، اگر LUIS را به زبان انگلیسی آموزش داده‌اید اما می‌خواهید از زبان فرانسوی به‌عنوان زبان کاربر استفاده کنید، می‌توانید جملاتی مانند "set a 2 minute and 27 second timer" را از انگلیسی به فرانسوی با استفاده از Bing Translate ترجمه کنید، سپس از دکمه **Listen translation** برای گفتن ترجمه به میکروفون خود استفاده کنید. > - > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a9.webp) 1. کلید API مترجم را زیر `speech_api_key` اضافه کنید: diff --git a/translations/fa/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/fa/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 60f2a1ec1..d37cff9b3 100644 --- a/translations/fa/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/fa/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ > > برای مثال، اگر LUIS را به زبان انگلیسی آموزش داده‌اید اما می‌خواهید از زبان فرانسوی به‌عنوان زبان کاربر استفاده کنید، می‌توانید جملاتی مانند "set a 2 minute and 27 second timer" را از انگلیسی به فرانسوی با استفاده از Bing Translate ترجمه کنید، سپس از دکمه **Listen translation** برای گفتن ترجمه به میکروفون خود استفاده کنید. > - > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a9.webp) 1. اعلان‌های `recognizer_config` و `recognizer` را با موارد زیر جایگزین کنید: diff --git a/translations/fa/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/fa/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index e179842bf..9673708fb 100644 --- a/translations/fa/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/fa/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ > > برای مثال، اگر LUIS را به زبان انگلیسی آموزش داده‌اید اما می‌خواهید از زبان فرانسوی به‌عنوان زبان کاربر استفاده کنید، می‌توانید جملاتی مانند "set a 2 minute and 27 second timer" را از انگلیسی به فرانسوی با استفاده از Bing Translate ترجمه کنید، سپس از دکمه **Listen translation** برای گفتن ترجمه به میکروفون خود استفاده کنید. > - > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![دکمه Listen translation در Bing Translate](../../../../../translated_images/fa/bing-translate.348aa796d6efe2a9.webp) 1. کلید API مترجم و مکان آن را زیر `SPEECH_LOCATION` اضافه کنید: diff --git a/translations/fa/README.md b/translations/fa/README.md index 37fa07a3e..33f6343ca 100644 --- a/translations/fa/README.md +++ b/translations/fa/README.md @@ -1,27 +1,27 @@ -[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) -[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) -[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) -[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![مجوز GitHub](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) +[![مشارکت‌کنندگان GitHub](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) +[![مشکلات GitHub](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) +[![درخواست‌های کشش GitHub](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) +[![خوش‌آمدگویی درخواست‌های کشش](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) -[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) -[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) +[![ناظرین GitHub](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) +[![شاخه‌های GitHub](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) +[![ستاره‌های GitHub](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) ### به جامعه Azure AI Foundry بپیوندید -اگر در ساخت برنامه‌های هوش مصنوعی گیر کرده‌اید یا سوالی دارید، به جمع یادگیرندگان و توسعه‌دهندگان با تجربه در بحث‌های مربوط به MCP بپیوندید. این یک جامعه حمایتی است که در آن سوالات پذیرفته می‌شوند و دانش به صورت آزادانه به اشتراک گذاشته می‌شود. +اگر گیر کرده‌اید یا سوالی درباره ساخت برنامه‌های هوش مصنوعی دارید، به همراه یادگیرندگان و توسعه‌دهندگان باتجربه در بحث‌های پیرامون MCP بپیوندید. این یک جامعه حمایتی است که در آن پرسش‌ها استقبال می‌شوند و دانش به صورت آزادانه به اشتراک گذاشته می‌شود. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -اگر بازخورد محصول دارید یا در هنگام ساخت با اشکال مواجه شدید، به آدرس زیر مراجعه کنید: +اگر بازخورد محصول دارید یا هنگام ساخت با خطا مواجه شدید، به اینجا مراجعه کنید: [![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) -برای شروع استفاده از این منابع، مراحل زیر را دنبال کنید: -1. **کتابخانه را فورک کنید**: روی [![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) کلیک کنید -2. **کتابخانه را کلون کنید**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**به Discord Microsoft Foundry بپیوندید و با کارشناسان و توسعه‌دهندگان همفکر ملاقات کنید**](https://discord.com/invite/ByRwuEEgH4) +برای شروع استفاده از این منابع مراحل زیر را دنبال کنید: +1. **شاخه‌ای از مخزن بسازید**: کلیک کنید [![شاخه‌های 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. **مخزن را کلون کنید**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**به Discord مایکروسافت فاندری بپیوندید و با کارشناسان و توسعه‌دهندگان هم‌سطح خود ملاقات کنید**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 پشتیبانی چندزبانه @@ -29,123 +29,133 @@ #### پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](./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) +[عربی](../ar/README.md) | [بنگالی](../bn/README.md) | [بلغاری](../bg/README.md) | [برمه‌ای (میانمار)](../my/README.md) | [چینی (ساده شده)](../zh-CN/README.md) | [چینی (سنتی، هنگ‌کنگ)](../zh-HK/README.md) | [چینی (سنتی، ماکائو)](../zh-MO/README.md) | [چینی (سنتی، تایوان)](../zh-TW/README.md) | [کرواسی](../hr/README.md) | [چک](../cs/README.md) | [دانمارکی](../da/README.md) | [هلندی](../nl/README.md) | [استونیایی](../et/README.md) | [فنلاندی](../fi/README.md) | [فرانسوی](../fr/README.md) | [آلمانی](../de/README.md) | [یونانی](../el/README.md) | [عبری](../he/README.md) | [هندی](../hi/README.md) | [مجارستانی](../hu/README.md) | [اندونزیایی](../id/README.md) | [ایتالیایی](../it/README.md) | [ژاپنی](../ja/README.md) | [کانادا](../kn/README.md) | [خمری](../km/README.md) | [کره‌ای](../ko/README.md) | [لیتوانیایی](../lt/README.md) | [مالایایی](../ms/README.md) | [مالایالام](../ml/README.md) | [مراتی](../mr/README.md) | [نپالی](../ne/README.md) | [پیدگین نیجریه‌ای](../pcm/README.md) | [نروژی](../no/README.md) | [فارسی (Farsi)](./README.md) | [لهستانی](../pl/README.md) | [پرتغالی (برزیل)](../pt-BR/README.md) | [پرتغالی (پرتغال)](../pt-PT/README.md) | [پنجابی (گورموقی)](../pa/README.md) | [رومانیایی](../ro/README.md) | [روسی](../ru/README.md) | [صربی (سیریلیک)](../sr/README.md) | [اسلواکی](../sk/README.md) | [اسلوونیایی](../sl/README.md) | [اسپانیایی](../es/README.md) | [سواحلی](../sw/README.md) | [سوئدی](../sv/README.md) | [تاگالوگ (فیلیپینی)](../tl/README.md) | [تامیلی](../ta/README.md) | [تلگو](../te/README.md) | [تایلندی](../th/README.md) | [ترکی](../tr/README.md) | [اوکراینی](../uk/README.md) | [اردو](../ur/README.md) | [ویتنامی](../vi/README.md) -> **ترجیح می‌دهید به صورت محلی کلون کنید؟** - -> این مخزن شامل بیش از ۵۰ ترجمه زبان است که اندازه دانلود را به طور قابل توجهی افزایش می‌دهد. برای کلون کردن بدون ترجمه‌ها، از sparse checkout استفاده کنید: +> **ترجیح می‌دهید محلی کلون کنید؟** +> +> این مخزن شامل بیش از ۵۰ ترجمه زبان است که حجم دانلود را به‌شدت افزایش می‌دهد. برای کلون کردن بدون ترجمه‌ها، از sparse checkout استفاده کنید: +> +> **Bash / macOS / لینوکس:** > ```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' > ``` -> این به شما همه چیز لازم برای تکمیل دوره با دانلودی بسیار سریع‌تر را می‌دهد. +> +> **CMD (ویندوز):** +> ```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" +> ``` +> +> این به شما همه چیز مورد نیاز برای انجام دوره را با دانلودی بسیار سریع‌تر می‌دهد. -# اینترنت اشیاء برای مبتدیان - یک برنامه درسی +# IoT برای مبتدیان - یک برنامه آموزشی -مدافعان ابر Azure در مایکروسافت خوشحالند که یک برنامه درسی 12 هفته‌ای و 24 درس را درباره اصول اینترنت اشیاء ارائه دهند. هر درس شامل کوییزهای قبل و بعد از درس، دستورالعمل‌های مکتوب برای تکمیل درس، یک راه‌حل، یک تکلیف و موارد بیشتر است. روش آموزشی مبتنی بر پروژه ما به شما اجازه می‌دهد همزمان با ساختن یاد بگیرید، که روشی اثبات شده برای تثبیت مهارت‌های جدید است. +مدافعان ابری آزور در مایکروسافت خوشحالند یک دوره آموزشی ۱۲ هفته‌ای شامل ۲۴ درس درباره مبانی اینترنت اشیاء ارائه دهند. هر درس شامل آزمون‌های قبل و بعد از درس، دستورالعمل‌های نوشتاری برای تکمیل درس، یک راه‌حل، یک تمرین و موارد دیگر است. روش آموزش مبتنی بر پروژه ما به شما امکان می‌دهد در حین ساخت یاد بگیرید، روشی اثبات شده برای «پایدار شدن» مهارت‌های جدید. -پروژه‌ها سفر غذا را از مزرعه تا میز پوشش می‌دهند. این شامل کشاورزی، لجستیک، تولید، خرده‌فروشی و مصرف‌کننده - همه حوزه‌های محبوب صنعت برای دستگاه‌های اینترنت اشیاء است. +پروژه‌ها جریان غذا را از مزرعه تا میز بررسی می‌کنند. این شامل کشاورزی، لجستیک، تولید، فروش و مصرف‌کننده است - همه حوزه‌های محبوب صنعتی برای دستگاه‌های IoT. -![نقشه راه دوره شامل 24 درس که معرفی، کشاورزی، حمل و نقل، پردازش، خرده‌فروشی و آشپزی را پوشش می‌دهد](../../translated_images/fa/Roadmap.bb1dec285dda0eda.webp) +![نقشه راه دوره که ۲۴ درس را پوشش می‌دهد شامل معرفی، کشاورزی، حمل و نقل، پردازش، فروش و آشپزی](../../translated_images/fa/Roadmap.bb1dec285dda0eda.webp) -> یادداشت تصویری توسط [Nitya Narasimhan](https://github.com/nitya). برای نسخه بزرگ‌تر روی تصویر کلیک کنید. +> یادداشت طرح توسط [Nitya Narasimhan](https://github.com/nitya). برای نسخه بزرگ‌تر روی تصویر کلیک کنید. -**از نویسندگان ما، [Jen Fox](https://github.com/jenfoxbot)، [Jen Looper](https://github.com/jlooper)، [Jim Bennett](https://github.com/jimbobbennett)، و هنرمند یادداشت تصویری ما [Nitya Narasimhan](https://github.com/nitya) صمیمانه سپاسگزاریم.** +**از نویسندگان ما، [Jen Fox](https://github.com/jenfoxbot)، [Jen Looper](https://github.com/jlooper)، [Jim Bennett](https://github.com/jimbobbennett)، و هنرمند یادداشت طرح ما [Nitya Narasimhan](https://github.com/nitya) صمیمانه تشکر می‌کنیم.** -**همچنین از تیم ما از [دانشجویان سفیر مایکروسافت](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) که این برنامه درسی را مرور و ترجمه کرده‌اند سپاسگزاریم - [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), و [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** +**همچنین از تیم ما از [سفیران دانشجویی مایکروسافت](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) که این دوره را بازبینی و ترجمه کرده‌اند نیز سپاسگزاریم - [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)، و [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** با تیم آشنا شوید! -[![ویدئوی تبلیغاتی](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) +[![ویدئوی معرفی](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) **گیف توسط** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) -> 🎥 روی تصویر بالا برای دیدن یک ویدئو درباره پروژه کلیک کنید! +> 🎥 برای دیدن ویدئو درباره پروژه روی تصویر بالا کلیک کنید! -> **معلمان**، ما [پیشنهاداتی ارائه داده‌ایم](for-teachers.md) در مورد نحوه استفاده از این برنامه درسی. اگر می‌خواهید درس‌های خود را ایجاد کنید، قالب درسی نیز اضافه کرده‌ایم [lesson template](lesson-template/README.md). +> **معلمان**، ما [برخی پیشنهادات](for-teachers.md) را درباره نحوه استفاده از این دوره ارائه داده‌ایم. اگر می‌خواهید درس‌های خود را ایجاد کنید، ما همچنین یک [قالب درس](lesson-template/README.md) را وارد کرده‌ایم. -> **[دانش‌آموزان](https://aka.ms/student-page)**، برای استفاده از این برنامه درسی به تنهایی، کل مخزن را فورک کنید و تمرین‌ها را خودتان انجام دهید، ابتدا با یک کوییز قبل از درس شروع کنید، سپس درس را بخوانید و بقیه فعالیت‌ها را کامل کنید. سعی کنید پروژه‌ها را با درک درس‌ها بسازید، نه کپی کردن کد راه‌حل؛ با این حال کد راه‌حل در پوشه‌های /solutions هر درس پروژه‌محور موجود است. ایده دیگر این است که یک گروه مطالعه با دوستان تشکیل دهید و با هم محتوا را مرور کنید. برای مطالعه بیشتر، مایکروسافت لرن را توصیه می‌کنیم [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn). +> **[دانش‌آموزان](https://aka.ms/student-page)**، برای استفاده مستقل از این دوره، کل مخزن را شاخه گرفته و تمرین‌ها را به تنهایی انجام دهید، شروع با یک آزمون پیش از درس، سپس مطالعه درس و انجام سایر فعالیت‌ها. سعی کنید پروژه‌ها را با درک درس‌ها بسازید نه صرفا کپی کردن کد راه‌حل؛ هر چند آن کد در پوشه‌های /solutions در هر درس متمرکز بر پروژه موجود است. ایده دیگر تشکیل یک گروه مطالعه با دوستان و مرور محتوا به‌صورت گروهی است. برای مطالعه بیشتر، ما [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) را توصیه می‌کنیم. -برای دریافت نمای کلی ویدیویی این دوره، این ویدئو را ببینید: +برای مرور ویدیویی این دوره، این ویدئو را ببینید: -[![ویدئوی تبلیغاتی](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") +[![ویدئوی معرفی](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "ویدئوی معرفی") -> 🎥 روی تصویر بالا برای دیدن یک ویدئو درباره پروژه کلیک کنید! +> 🎥 برای دیدن ویدئو درباره پروژه روی تصویر بالا کلیک کنید! -## روش آموزشی +## روش آموزش -ما دو اصل آموزشی را در ساخت این برنامه درسی انتخاب کرده‌ایم: اطمینان از مبتنی بودن آن بر پروژه و اینکه شامل کوییزهای مکرر باشد. تا پایان این سری، دانش‌آموزان یک سیستم مانیتورینگ و آبیاری گیاه، ردیاب وسیله نقلیه، یک سیستم کارخانه هوشمند برای پیگیری و بررسی غذا، و تایمر آشپزی کنترل‌شده با صدا ساخته‌اند و اصول اولیه اینترنت اشیاء از جمله نحوه نوشتن کد دستگاه، اتصال به ابر، تحلیل تلمتری و اجرای هوش مصنوعی در لبه را یاد گرفته‌اند. +در ساخت این دوره، دو اصل آموزشی را انتخاب کرده‌ایم: اطمینان از اینکه مبتنی بر پروژه است و شامل آزمون‌های مکرر می‌باشد. در پایان این سری، دانش‌آموزان سیستمی برای مانیتورینگ و آبیاری گیاه، ردیاب وسیله نقلیه، تنظیم هوشمند کارخانه برای بررسی و ردگیری غذا، و تایمر آشپزی با کنترل صوتی ساخته‌اند و اصول اولیه اینترنت اشیاء از جمله نحوه نوشتن کد دستگاه، اتصال به ابر، تحلیل تلماتری و اجرای هوش مصنوعی در لبه را یاد گرفته‌اند. -با اطمینان از هماهنگی محتوا با پروژه‌ها، فرایند یادگیری برای دانش‌آموزان جذاب‌تر شده و حفظ مفاهیم افزایش می‌یابد. +اطمینان از هماهنگی محتوا با پروژه‌ها، فرآیند یادگیری را برای دانش‌آموزان جذاب‌تر می‌کند و حفظ مفاهیم را افزایش می‌دهد. -علاوه بر این، یک کوییز کم‌فشار قبل از کلاس نیت دانش‌آموز برای یادگیری موضوع را تنظیم می‌کند، در حالی که کوییز دوم بعد از کلاس به حفظ بیشتر کمک می‌کند. این برنامه درسی طوری طراحی شده که انعطاف‌پذیر و سرگرم‌کننده باشد و می‌توان آن را کامل یا بخش به بخش طی کرد. پروژه‌ها کوچک شروع شده و تا پایان دوره ۱۲ هفته‌ای به طور فزاینده‌ای پیچیده می‌شوند. +علاوه بر این، یک آزمون کم‌استرس پیش از کلاس نیت دانش‌آموز را برای یادگیری موضوع تنظیم می‌کند، در حالی که آزمون دوم پس از کلاس موجب حفظ بیشتر می‌شود. این دوره به گونه‌ای طراحی شده که منعطف و سرگرم‌کننده باشد و بتوان آن را به‌طور کامل یا بخشی از آن را گذراند. پروژه‌ها از کوچک شروع شده و تا پایان چرخه ۱۲ هفته‌ای به تدریج پیچیده‌تر می‌شوند. -هر پروژه مبتنی بر سخت‌افزار واقعی در دسترس دانش‌آموزان و علاقمندان است. هر پروژه به حوزه مخصوص خودش نگاه می‌کند و دانش زمینه‌ای مرتبط ارائه می‌دهد. برای موفقیت به عنوان توسعه‌دهنده، درک حوزه‌ای که در آن مشکل حل می‌کنید مفید است، ارائه این دانش زمینه‌ای به دانش‌آموزان اجازه می‌دهد درباره راه‌حل‌ها و یادگیری‌های اینترنت اشیاء خود در زمینه نوع واقعی از مشکلی که ممکن است به عنوان توسعه‌دهنده اینترنت اشیاء از آنها خواسته شود فکر کنند. دانش‌آموزان دلیل «چرا»ی راه‌حل‌هایی را که می‌سازند می‌آموزند و به کاربر نهایی نیز احترام می‌گذارند. +هر پروژه بر اساس سخت‌افزار واقعی در دسترس دانش‌آموزان و علاقه‌مندان استوار است. هر پروژه به حوزه خاص پروژه می‌پردازد و دانش پس‌زمینه مرتبط را فراهم می‌کند. برای موفقیت در توسعه، درک حوزه‌ای که در آن مشکلات حل می‌کنید کمک‌کننده است؛ فراهم کردن این دانش پس‌زمینه به دانش‌آموزان اجازه می‌دهد تا درباره راه‌حل‌های IoT و یادگیری خود در زمینه نوع مشکلات واقعی که ممکن است از آن‌ها خواسته شود به عنوان توسعه‌دهنده IoT حل کنند، فکر کنند. دانش‌آموزان «چرایی» راه‌حل‌هایی که می‌سازند را می‌آموزند و قدرشناسی نسبت به کاربر نهایی پیدا می‌کنند. ## سخت‌افزار +ما دو انتخاب سخت‌افزاری اینترنت اشیا برای استفاده در پروژه‌ها داریم که بسته به ترجیح شخصی، دانش زبان برنامه‌نویسی یا علایق، اهداف یادگیری و دسترسی متفاوت هستند. همچنین نسخه‌ای به نام «سخت‌افزار مجازی» را برای کسانی که به سخت‌افزار دسترسی ندارند یا می‌خواهند قبل از خرید، بیشتر یاد بگیرند ارائه داده‌ایم. شما می‌توانید اطلاعات بیشتر را در صفحه [hardware](./hardware.md) بخوانید، که شامل فهرست خرید و لینک‌هایی برای خرید کیت‌های کامل از دوستان ما در Seeed Studio است. -ما دو انتخاب سخت‌افزاری اینترنت اشیاء برای استفاده در پروژه‌ها داریم که بستگی به ترجیحات شخصی، دانش زبان برنامه‌نویسی، اهداف یادگیری و دسترسی دارد. نسخه‌ای از سخت‌افزار «مجازی» نیز برای کسانی که به سخت‌افزار دسترسی ندارند یا می‌خواهند قبل از خرید بیشتر یاد بگیرند ارائه شده است. شما می‌توانید بیشتر بخوانید و فهرست خرید را در [صفحه سخت‌افزار](./hardware.md) پیدا کنید، شامل لینک‌هایی برای خرید کیت‌های کامل از دوستان ما در Seeed Studio. -> 💁 راهنمای [رفتار](CODE_OF_CONDUCT.md)، [مشارکت](CONTRIBUTING.md)، و [ترجمه](TRANSLATIONS.md) ما را بیابید. ما از بازخورد سازنده شما استقبال می‌کنیم! +> 💁 دستورالعمل‌های [قوانین رفتاری](CODE_OF_CONDUCT.md)، [مشارکت](CONTRIBUTING.md) و [ترجمه](TRANSLATIONS.md) ما را بیابید. ما از بازخورد سازنده شما استقبال می‌کنیم! > -> 🔧 مشکلی دارید؟ راهنمای [عیب‌یابی](TROUBLESHOOTING.md) ما را برای راه‌حل‌های مشکلات رایج بررسی کنید. +> 🔧 مشکلی دارید؟ راهنمای [عیب‌یابی](TROUBLESHOOTING.md) ما را برای حل مشکلات رایج بررسی کنید. -## هر درس شامل: +## هر درس شامل موارد زیر است: -- اسکچ‌نوت -- ویدئوی تکمیلی اختیاری -- آزمون گرم‌کردن پیش از درس -- درس کتبی -- برای درس‌های مبتنی بر پروژه، راهنمای گام به گام ساخت پروژه -- بررسی دانش +- نکات کلیدی بصورت طرح یادداشت +- ویدیوی تکمیلی اختیاری +- آزمون گرم‌کننده قبل از درس +- درس مکتوب +- برای درس‌های پروژه‌محور، راهنمای گام‌به‌گام ساخت پروژه +- ارزیابی‌های دانش - یک چالش -- مطالعه تکمیلی +- مطالعات تکمیلی - تمرین - [آزمون پس از درس](https://ff-quizzes.netlify.app/en/) -> **نکته‌ای درباره آزمون‌ها**: تمامی آزمون‌ها در پوشه quiz-app قرار دارند، با مجموع ۴۸ آزمون که هر کدام شامل سه سؤال است. این آزمون‌ها از درس‌ها پیوند داده شده‌اند اما می‌توان اپلیکیشن آزمون را به صورت محلی اجرا کرد یا در Azure مستقر نمود؛ دستورالعمل‌ها در پوشه `quiz-app` آمده است. این آزمون‌ها به تدریج بومی‌سازی می‌شوند. +> **تذکری درباره آزمون‌ها**: تمام آزمون‌ها در پوشه quiz-app قرار دارند، که شامل ۴۸ آزمون هر کدام با سه سوال هستند. آنها از داخل درس‌ها لینک شده‌اند، اما اپلیکیشن آزمون می‌تواند به صورت محلی اجرا یا روی Azure مستقر شود؛ دستورالعمل را در پوشه `quiz-app` دنبال کنید. این آزمون‌ها به تدریج محلی‌سازی می‌شوند. ## دروس -| | نام پروژه | مفاهیم تدریس شده | اهداف یادگیری | درس مرتبط | -| :---: | :------------------------------------: | :---------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| ۰۱ | [شروع به کار](./1-getting-started/README.md) | مقدمه‌ای بر اینترنت اشیا | اصول پایه اینترنت اشیا و اجزای اصلی راه‌حل‌های اینترنت اشیا مانند حسگرها و خدمات ابری را بیاموزید در حالی که دستگاه اینترنت اشیای خود را راه‌اندازی می‌کنید | [مقدمه‌ای بر اینترنت اشیا](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| ۰۲ | [شروع به کار](./1-getting-started/README.md) | بررسی عمیق‌تر اینترنت اشیا | درباره اجزای یک سیستم اینترنت اشیا، میکروکنترلرها و کامپیوترهای تک برد بیشتر بیاموزید | [بررسی عمیق‌تر اینترنت اشیا](./1-getting-started/lessons/2-deeper-dive/README.md) | -| ۰۳ | [شروع به کار](./1-getting-started/README.md) | تعامل با دنیای فیزیکی با حسگرها و عملگرها | درباره حسگرها برای جمع‌آوری داده‌ها از دنیای فیزیکی و عملگرها برای ارسال بازخورد بیاموزید، در حالی که یک چراغ شب‌تاب می‌سازید | [تعامل با دنیای فیزیکی با حسگرها و عملگرها](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| ۰۴ | [شروع به کار](./1-getting-started/README.md) | اتصال دستگاه به اینترنت | درباره نحوه اتصال دستگاه اینترنت اشیا به اینترنت برای ارسال و دریافت پیام‌ها با اتصال چراغ شب‌تاب خود به یک کارگزار MQTT بیاموزید | [اتصال دستگاه به اینترنت](./1-getting-started/lessons/4-connect-internet/README.md) | -| ۰۵ | [مزرعه](./2-farm/README.md) | پیش‌بینی رشد گیاه | یاد بگیرید چگونه رشد گیاه را با استفاده از داده‌های دمایی که توسط دستگاه اینترنت اشیا ثبت شده پیش‌بینی کنید | [پیش‌بینی رشد گیاه](./2-farm/lessons/1-predict-plant-growth/README.md) | -| ۰۶ | [مزرعه](./2-farm/README.md) | تشخیص رطوبت خاک | یاد بگیرید چگونه رطوبت خاک را تشخیص دهید و حسگر رطوبت خاک را کالیبره کنید | [تشخیص رطوبت خاک](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| ۰۷ | [مزرعه](./2-farm/README.md) | آبیاری خودکار گیاه | یاد بگیرید چگونه آبیاری را با استفاده از رله و MQTT زمان‌بندی و خودکار کنید | [آبیاری خودکار گیاه](./2-farm/lessons/3-automated-plant-watering/README.md) | -| ۰۸ | [مزرعه](./2-farm/README.md) | مهاجرت گیاه خود به ابر | درباره ابر و خدمات اینترنت اشیا میزبانی شده در ابر و نحوه اتصال گیاه خود به یکی از این خدمات به جای کارگزار عمومی MQTT بیاموزید | [مهاجرت گیاه خود به ابر](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| ۰۹ | [مزرعه](./2-farm/README.md) | مهاجرت منطق برنامه‌نویسی خود به ابر | یاد بگیرید چگونه می‌توانید منطق برنامه‌نویسی در ابر بنویسید که به پیام‌های اینترنت اشیا پاسخ می‌دهد | [مهاجرت منطق برنامه‌نویسی به ابر](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| ۱۰ | [مزرعه](./2-farm/README.md) | محافظت از گیاه خود | درباره امنیت در اینترنت اشیا و نحوه محافظت از گیاه خود با کلیدها و گواهینامه‌ها بیاموزید | [محافظت از گیاه خود](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| ۱۱ | [حمل و نقل](./3-transport/README.md) | ردیابی موقعیت مکانی | درباره ردیابی موقعیت GPS برای دستگاه‌های اینترنت اشیا بیاموزید | [ردیابی موقعیت مکانی](./3-transport/lessons/1-location-tracking/README.md) | -| ۱۲ | [حمل و نقل](./3-transport/README.md) | ذخیره داده‌های موقعیت | یاد بگیرید چگونه داده‌های اینترنت اشیا را ذخیره کنید تا بعداً قابل مشاهده یا تحلیل باشند | [ذخیره داده‌های موقعیت](./3-transport/lessons/2-store-location-data/README.md) | -| ۱۳ | [حمل و نقل](./3-transport/README.md) | تجسم داده‌های موقعیت | درباره تجسم داده‌های موقعیت روی نقشه و چگونگی نمایش نقشه‌ها از دنیای واقعی سه‌بعدی به صورت دو بعدی بیاموزید | [تجسم داده‌های موقعیت](./3-transport/lessons/3-visualize-location-data/README.md) | -| ۱۴ | [حمل و نقل](./3-transport/README.md) | حصارهای جغرافیایی | درباره حصارهای جغرافیایی و اینکه چگونه می‌توانند برای هشدار هنگام نزدیک شدن خودروها در زنجیره تامین به مقصدشان استفاده شوند بیاموزید | [حصارهای جغرافیایی](./3-transport/lessons/4-geofences/README.md) | -| ۱۵ | [تولید](./4-manufacturing/README.md) | آموزش تشخیص کیفیت میوه | درباره آموزش یک طبقه‌بند تصویر در ابر برای تشخیص کیفیت میوه بیاموزید | [آموزش تشخیص کیفیت میوه](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| ۱۶ | [تولید](./4-manufacturing/README.md) | بررسی کیفیت میوه از دستگاه اینترنت اشیا | درباره استفاده از دستگاه تشخیص کیفیت میوه خود از دستگاه اینترنت اشیا بیاموزید | [بررسی کیفیت میوه از دستگاه اینترنت اشیا](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| ۱۷ | [تولید](./4-manufacturing/README.md) | اجرای دستگاه تشخیص میوه روی لبه شبکه | درباره اجرای دستگاه تشخیص میوه روی یک دستگاه اینترنت اشیا در لبه شبکه بیاموزید | [اجرای دستگاه تشخیص میوه روی لبه شبکه](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| ۱۸ | [تولید](./4-manufacturing/README.md) | فعال‌سازی تشخیص کیفیت میوه از حسگر | درباره فعال‌سازی تشخیص کیفیت میوه از طریق حسگر بیاموزید | [فعال‌سازی تشخیص کیفیت میوه از حسگر](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| ۱۹ | [خرده‌فروشی](./5-retail/README.md) | آموزش تشخیص موجودی | یاد بگیرید چگونه از تشخیص شیء برای آموزش یک تشخیص‌دهنده موجودی برای شمارش موجودی در فروشگاه استفاده کنید | [آموزش تشخیص موجودی](./5-retail/lessons/1-train-stock-detector/README.md) | -| ۲۰ | [خرده‌فروشی](./5-retail/README.md) | بررسی موجودی از دستگاه اینترنت اشیا | یاد بگیرید چگونه با استفاده از یک مدل تشخیص شیء، موجودی را از دستگاه اینترنت اشیا بررسی کنید | [بررسی موجودی از دستگاه اینترنت اشیا](./5-retail/lessons/2-check-stock-device/README.md) | -| ۲۱ | [مصرف‌کننده](./6-consumer/README.md) | تشخیص گفتار با یک دستگاه اینترنت اشیا | یاد بگیرید چگونه از دستگاه اینترنت اشیا برای تشخیص گفتار به منظور ساخت یک تایمر هوشمند استفاده کنید | [تشخیص گفتار با دستگاه اینترنت اشیا](./6-consumer/lessons/1-speech-recognition/README.md) | -| ۲۲ | [مصرف‌کننده](./6-consumer/README.md) | درک زبان | یاد بگیرید چگونه جملاتی که به دستگاه اینترنت اشیا گفته می‌شود را درک کنید | [درک زبان](./6-consumer/lessons/2-language-understanding/README.md) | -| ۲۳ | [مصرف‌کننده](./6-consumer/README.md) | تنظیم تایمر و ارائه بازخورد گفتاری | یاد بگیرید چگونه تایمر را روی دستگاه اینترنت اشیا تنظیم کنید و بازخورد گفتاری درباره زمان تنظیم و پایان تایمر ارائه دهید | [تنظیم تایمر و ارائه بازخورد گفتاری](./6-consumer/lessons/3-spoken-feedback/README.md) | -| ۲۴ | [مصرف‌کننده](./6-consumer/README.md) | پشتیبانی از چند زبان | یاد بگیرید چگونه از چند زبان پشتیبانی کنید، هم در هنگام صحبت شدن به تایمر هوشمند و هم پاسخ‌هایی که ارائه می‌دهد | [پشتیبانی از چند زبان](./6-consumer/lessons/4-multiple-language-support/README.md) | +| | نام پروژه | مفاهیم تدریس شده | اهداف یادگیری | درس مرتبط | +| :---: | :---------------------------------: | :----------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------: | +| ۰۱ | [شروع کار](./1-getting-started/README.md) | مقدمه‌ای بر اینترنت اشیا | اصول پایه اینترنت اشیا و اجزای اصلی راهکارهای اینترنت اشیا مانند حسگرها و سرویس‌های ابری را یاد بگیرید در حالی که دستگاه اینترنت اشیا اول خود را راه‌اندازی می‌کنید | [مقدمه‌ای بر اینترنت اشیا](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| ۰۲ | [شروع کار](./1-getting-started/README.md) | بررسی عمیق‌تر اینترنت اشیا | با اجزای یک سیستم اینترنت اشیا و همچنین میکروکنترلرها و کامپیوترهای تک‌بردی بیشتر آشنا شوید | [بررسی عمیق‌تر اینترنت اشیا](./1-getting-started/lessons/2-deeper-dive/README.md) | +| ۰۳ | [شروع کار](./1-getting-started/README.md) | تعامل با دنیای فیزیکی با حسگرها و عملگرها | با حسگرها برای جمع‌آوری داده از دنیای فیزیکی و عملگرها برای ارسال بازخورد آشنا شوید، ضمن ساخت یک چراغ خواب | [تعامل با دنیای فیزیکی با حسگرها و عملگرها](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| ۰۴ | [شروع کار](./1-getting-started/README.md) | اتصال دستگاهتان به اینترنت | نحوه اتصال دستگاه اینترنت اشیا به اینترنت برای ارسال و دریافت پیام‌ها را یاد بگیرید؛ در حالی که چراغ خواب خود را به یک کارگزار MQTT متصل می‌کنید | [اتصال دستگاه به اینترنت](./1-getting-started/lessons/4-connect-internet/README.md) | +| ۰۵ | [کشاورزی](./2-farm/README.md) | پیش‌بینی رشد گیاه | نحوه پیش‌بینی رشد گیاه با استفاده از داده دما که توسط دستگاه اینترنت اشیا ضبط شده است را یاد بگیرید | [پیش‌بینی رشد گیاه](./2-farm/lessons/1-predict-plant-growth/README.md) | +| ۰۶ | [کشاورزی](./2-farm/README.md) | تشخیص رطوبت خاک | نحوه تشخیص رطوبت خاک و کالیبراسیون حسگر رطوبت خاک را یاد بگیرید | [تشخیص رطوبت خاک](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| ۰۷ | [کشاورزی](./2-farm/README.md) | آبیاری خودکار گیاه | نحوه خودکارسازی و زمان‌بندی آبیاری با استفاده از رله و MQTT را یاد بگیرید | [آبیاری خودکار گیاه](./2-farm/lessons/3-automated-plant-watering/README.md) | +| ۰۸ | [کشاورزی](./2-farm/README.md) | مهاجرت گیاه خود به فضای ابری | با خدمات ابری و سرویس‌های میزبانی شده اینترنت اشیا در ابر آشنا شوید و یاد بگیرید چگونه به جای کارگزار MQTT عمومی، گیاهتان را به یکی از این سرویس‌ها متصل کنید | [مهاجرت گیاه به فضای ابری](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| ۰۹ | [کشاورزی](./2-farm/README.md) | انتقال منطق برنامه به فضای ابری | یاد بگیرید چگونه می‌توانید منطق برنامه را در فضای ابری بنویسید که به پیام‌های اینترنت اشیا پاسخ دهد | [انتقال منطق برنامه به فضای ابری](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| ۱۰ | [کشاورزی](./2-farm/README.md) | ایمن نگه داشتن گیاه | با امنیت در اینترنت اشیا آشنا شوید و یاد بگیرید چگونه با کلیدها و گواهی‌ها گیاه خود را ایمن نگه دارید | [ایمن نگه داشتن گیاه](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| ۱۱ | [حمل‌ونقل](./3-transport/README.md) | ردیابی موقعیت مکانی | درباره ردیابی موقعیت مکانی GPS برای دستگاه‌های اینترنت اشیا بیاموزید | [ردیابی موقعیت مکانی](./3-transport/lessons/1-location-tracking/README.md) | +| ۱۲ | [حمل‌ونقل](./3-transport/README.md) | ذخیره اطلاعات موقعیت | نحوه ذخیره داده‌های اینترنت اشیا برای مشاهده یا تحلیل بعدی را یاد بگیرید | [ذخیره اطلاعات موقعیت](./3-transport/lessons/2-store-location-data/README.md) | +| ۱۳ | [حمل‌ونقل](./3-transport/README.md) | تجسم داده‌های موقعیت | درباره تجسم داده‌های موقعیت روی نقشه و نحوه نمایش دنیای سه‌بعدی واقعی روی نقشه‌های دو بعدی بیاموزید | [تجسم داده‌های موقعیت](./3-transport/lessons/3-visualize-location-data/README.md) | +| ۱۴ | [حمل‌ونقل](./3-transport/README.md) | حصارهای جغرافیایی | درباره حصارهای جغرافیایی و نحوه استفاده از آنها برای هشدار هنگام نزدیک شدن خودروهای زنجیره تأمین به مقصد آشنا شوید | [حصارهای جغرافیایی](./3-transport/lessons/4-geofences/README.md) | +| ۱۵ | [تولید](./4-manufacturing/README.md) | آموزش یک تشخیص‌دهنده کیفیت میوه | درباره آموزش یک طبقه‌بند تصویر در فضای ابری برای تشخیص کیفیت میوه بیاموزید | [آموزش تشخیص‌دهنده کیفیت میوه](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| ۱۶ | [تولید](./4-manufacturing/README.md) | بررسی کیفیت میوه از دستگاه اینترنت اشیا | درباره استفاده از دستگاه تشخیص کیفیت میوه تان از یک دستگاه اینترنت اشیا یاد بگیرید | [بررسی کیفیت میوه از دستگاه اینترنت اشیا](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| ۱۷ | [تولید](./4-manufacturing/README.md) | اجرای تشخیص‌دهنده میوه روی لبه | درباره اجرای دستگاه تشخیص میوه روی دستگاه اینترنت اشیا روی لبه بیاموزید | [اجرای تشخیص‌دهنده میوه روی لبه](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| ۱۸ | [تولید](./4-manufacturing/README.md) | تحریک تشخیص کیفیت میوه از حسگر | درباره تحریک تشخیص کیفیت میوه از یک حسگر آشنا شوید | [تحریک تشخیص کیفیت میوه از حسگر](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| ۱۹ | [خرده‌فروشی](./5-retail/README.md) | آموزش تشخیص موجودی | نحوه استفاده از تشخیص اشیاء برای آموزش تشخیص‌دهنده موجودی برای شمارش موجودی در یک فروشگاه یاد بگیرید | [آموزش تشخیص‌دهنده موجودی](./5-retail/lessons/1-train-stock-detector/README.md) | +| ۲۰ | [خرده‌فروشی](./5-retail/README.md) | بررسی موجودی از دستگاه اینترنت اشیا | نحوه بررسی موجودی از دستگاه اینترنت اشیا با استفاده از مدل تشخیص اشیاء را یاد بگیرید | [بررسی موجودی از دستگاه اینترنت اشیا](./5-retail/lessons/2-check-stock-device/README.md) | +| ۲۱ | [مصرف‌کننده](./6-consumer/README.md) | شناخت گفتار با دستگاه اینترنت اشیا | نحوه شناخت گفتار از دستگاه اینترنت اشیا برای ساخت یک تایمر هوشمند را یاد بگیرید | [شناخت گفتار با دستگاه اینترنت اشیا](./6-consumer/lessons/1-speech-recognition/README.md) | +| ۲۲ | [مصرف‌کننده](./6-consumer/README.md) | درک زبان | نحوه درک جملات گفتاری به یک دستگاه اینترنت اشیا را بیاموزید | [درک زبان](./6-consumer/lessons/2-language-understanding/README.md) | +| ۲۳ | [مصرف‌کننده](./6-consumer/README.md) | تنظیم تایمر و ارائه بازخورد گفتاری | نحوه تنظیم تایمر روی دستگاه اینترنت اشیا و ارائه بازخورد گفتاری درباره زمان شروع و پایان تایمر را یاد بگیرید | [تنظیم تایمر و ارائه بازخورد گفتاری](./6-consumer/lessons/3-spoken-feedback/README.md) | +| ۲۴ | [مصرف‌کننده](./6-consumer/README.md) | پشتیبانی از زبان‌های متعدد | نحوه پشتیبانی از زبان‌های متعدد، هم در دریافت و هم در پاسخ‌های تایمر هوشمند خود را یاد بگیرید | [پشتیبانی از زبان‌های متعدد](./6-consumer/lessons/4-multiple-language-support/README.md) | ## دسترسی آفلاین -شما می‌توانید این مستندات را به صورت آفلاین با استفاده از [Docsify](https://docsify.js.org/#/) اجرا کنید. این مخزن را فورک کنید، [Docsify را نصب کنید](https://docsify.js.org/#/quickstart) روی ماشین محلی خود، سپس در پوشه ریشه این مخزن، دستور `docsify serve` را اجرا کنید. وب‌سایت روی پورت ۳۰۰۰ روی لوکال‌هاست شما سرو می‌شود: `localhost:3000`. +می‌توانید این مستندات را به صورت آفلاین با استفاده از [Docsify](https://docsify.js.org/#/) اجرا کنید. این مخزن را فورک کرده، [Docsify را نصب کنید](https://docsify.js.org/#/quickstart) روی سیستم محلی خود و سپس در پوشه ریشه این مخزن دستور `docsify serve` را اجرا کنید. سایت روی پورت ۳۰۰۰ روی لوکال‌هاست شما در دسترس خواهد بود: `localhost:3000`. ## آزمون -از جامعه ممنونیم که آزمون تعاملی را میزبانی می‌کند که دانش شما را در هر فصل می‌سنجد. شما می‌توانید دانش خود را [اینجا](https://ff-quizzes.netlify.app/en/) بسنجید +از جامعه بخاطر میزبانی آزمون تعاملی که دانش شما را در هر فصل می‌سنجد تشکر می‌کنیم. دانش خود را [در اینجا](https://ff-quizzes.netlify.app/en/) امتحان کنید. ### PDF -اگر نیاز دارید، می‌توانید یک فایل PDF از این محتوا برای دسترسی آفلاین ایجاد کنید. برای این کار، مطمئن شوید که [npm را نصب کرده‌اید](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) و دستورات زیر را در پوشه ریشه این مخزن اجرا کنید: +اگر نیاز دارید می‌توانید نسخه PDF این محتوا را برای استفاده آفلاین ایجاد کنید. برای این کار مطمئن شوید [npm نصب شده است](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) و دستورات زیر را در پوشه ریشه این مخزن اجرا کنید: ```sh npm i @@ -154,60 +164,59 @@ npm run convert ### اسلایدها -برای برخی از دروس، مجموعه اسلاید در پوشه [slides](../../slides) موجود است. +برای برخی از دروس مجموعه اسلایدهایی در پوشه [slides](../../slides) وجود دارد. +## دروس دیگر -## برنامه‌های درسی دیگر - -تیم ما برنامه‌های درسی دیگری نیز تولید می‌کند! ببینید: +تیم ما دروس دیگری نیز تولید می‌کند! نگاهی بیندازید به: ### LangChain -[![LangChain4j برای مبتدیان](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 برای مبتدیان](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 / Agents -[![AZD برای مبتدیان](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 برای مبتدیان](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 برای مبتدیان](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) -[![عامل‌های هوش مصنوعی برای مبتدیان](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD 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) +[![هوش مصنوعی لبه برای مبتدی‌ها](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 برای مبتدی‌ها](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) +[![عامل‌های هوش مصنوعی برای مبتدی‌ها](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) --- ### سری هوش مصنوعی مولد -[![هوش مصنوعی مولد برای مبتدیان](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) +[![هوش مصنوعی مولد برای مبتدی‌ها](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) [![هوش مصنوعی مولد (.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) -[![هوش مصنوعی مولد (جاوا)](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) -[![هوش مصنوعی مولد (جاوااسکریپت)](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) +[![هوش مصنوعی مولد (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) +[![هوش مصنوعی مولد (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) --- -### یادگیری پایه -[![یادگیری ماشین برای مبتدیان](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) -[![علم داده برای مبتدیان](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) -[![هوش مصنوعی برای مبتدیان](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) -[![امنیت سایبری برای مبتدیان](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) -[![توسعه وب برای مبتدیان](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) -[![اینترنت اشیاء برای مبتدیان](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) -[![توسعه XR برای مبتدیان](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) +### یادگیری پایه‌ای +[![یادگیری ماشین برای مبتدی‌ها](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) +[![علم داده برای مبتدی‌ها](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) +[![هوش مصنوعی برای مبتدی‌ها](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) +[![امنیت سایبری برای مبتدی‌ها](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) +[![توسعه وب برای مبتدی‌ها](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) +[![اینترنت اشیاء برای مبتدی‌ها](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) +[![توسعه XR برای مبتدی‌ها](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) --- -### سری کاپایلوت -[![کاپایلوت برای برنامه‌نویسی جفتی هوش مصنوعی](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) -[![کاپایلوت برای 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) -[![ماجراجویی کاپایلوت](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) +### سری کمک‌برنامه (کاپیلت) +[![کاپیلت برای برنامه‌نویسی جفتی هوش مصنوعی](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) +[![کاپیلت برای 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) +[![ماجراجویی کاپیلت](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) -## اعتبار تصاویر +## نسبت دادن تصاویر -شما می‌توانید تمام اعتبارها برای تصاویر استفاده شده در این آموزش را در جای لازم در [اعتبارها](./attributions.md) بیابید. +شما می‌توانید تمام نسبت‌ها برای تصاویر استفاده شده در این برنامه آموزشی را در صورت نیاز در [نسبت‌ها](./attributions.md) پیدا کنید. --- **سلب مسئولیت**: -این سند با استفاده از خدمات ترجمه ماشینی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. سند اصلی در زبان بومی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، توصیه می‌شود از ترجمه حرفه‌ای انسانی استفاده شود. ما مسئول هیچ گونه سوءتفاهم یا برداشت نادرستی که ناشی از استفاده از این ترجمه باشد، نمی‌باشیم. +این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل اشتباهات یا نادقیق‌گی‌هایی باشند. سند اصلی به زبان بومی خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئول هیچ گونه سو تفاهم یا سوء تعبیر ناشی از استفاده از این ترجمه نیستیم. \ No newline at end of file diff --git a/translations/fa/hardware.md b/translations/fa/hardware.md index 534282793..919471f0c 100644 --- a/translations/fa/hardware.md +++ b/translations/fa/hardware.md @@ -26,7 +26,7 @@ Seeed Studios به‌طور سخاوتمندانه‌ای تمام سخت‌اف **[IoT برای مبتدیان با Seeed و Microsoft - کیت شروع Raspberry Pi 4](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![کیت سخت‌افزاری Raspberry Pi Terminal](../../translated_images/fa/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![کیت سخت‌افزاری Raspberry Pi Terminal](../../translated_images/fa/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/ur/.co-op-translator.json b/translations/ur/.co-op-translator.json index b64242e20..e0d9733bd 100644 --- a/translations/ur/.co-op-translator.json +++ b/translations/ur/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "ur" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T01:15:33+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T16:01:25+00:00", "source_file": "README.md", "language_code": "ur" }, diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md index 889a54539..1db258b58 100644 --- a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # انٹرنیٹ آف تھنگز کا تعارف -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-1.2606670fa61ee904.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی جانب سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔ diff --git a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index 8eb67232c..12d7090a0 100644 --- a/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/ur/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Python ورچوئل ماحول کو کنفیگر کریں اور CounterFit کے ایپ چلنا شروع ہو جائے گی اور آپ کے ویب براؤزر میں کھل جائے گی: - ![Counter Fit ایپ براؤزر میں چل رہی ہے](../../../../../translated_images/ur/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![Counter Fit ایپ براؤزر میں چل رہی ہے](../../../../../translated_images/ur/counterfit-first-run.433326358b669b31.webp) یہ *Disconnected* کے طور پر نشان زد ہوگی، اور اوپر دائیں کونے میں ایل ای ڈی بند ہوگی۔ @@ -224,7 +224,7 @@ Python ورچوئل ماحول کو کنفیگر کریں اور CounterFit کے 1. اس نئے ٹرمینل میں، پہلے کی طرح `app.py` فائل چلائیں۔ CounterFit کی اسٹیٹس **Connected** میں تبدیل ہو جائے گی اور ایل ای ڈی روشن ہو جائے گی۔ - ![Counter Fit کنیکٹڈ دکھا رہا ہے](../../../../../translated_images/ur/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit کنیکٹڈ دکھا رہا ہے](../../../../../translated_images/ur/counterfit-connected.ed30b46d8f79b092.webp) > 💁 آپ اس کوڈ کو [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md b/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md index 9c11b3640..9e86e1534 100644 --- a/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/ur/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # آئی او ٹی پر گہری نظر -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-2.324b0580d620c25e.webp) > خاکہ از [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -38,7 +38,7 @@ یہ ڈیوائسز فزیکل دنیا کے ساتھ تعامل کرتی ہیں، یا تو سینسرز کے ذریعے اپنے ارد گرد کے ماحول سے ڈیٹا اکٹھا کر کے یا آؤٹ پٹس یا ایکچیویٹرز کو کنٹرول کر کے فزیکل تبدیلیاں کر کے۔ اس کی ایک عام مثال ایک اسمارٹ تھرموسٹیٹ ہے - ایک ڈیوائس جس میں ایک درجہ حرارت سینسر، ایک ڈائل یا ٹچ اسکرین کے ذریعے مطلوبہ درجہ حرارت سیٹ کرنے کا ذریعہ، اور ایک ہیٹنگ یا کولنگ سسٹم سے کنکشن ہوتا ہے جو اس وقت آن ہو سکتا ہے جب سینسر کا پتہ لگایا گیا درجہ حرارت مطلوبہ حد سے باہر ہو۔ -![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/ur/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/ur/basic-thermostat.a923217fd1f37e5a.webp) آئی او ٹی ڈیوائسز کے طور پر کام کرنے والی چیزوں کی ایک وسیع رینج موجود ہے، جو مخصوص ہارڈویئر سے لے کر جو صرف ایک چیز کو سینس کرتا ہے، عام مقصد کے ڈیوائسز تک، حتیٰ کہ آپ کا اسمارٹ فون بھی! ایک اسمارٹ فون سینسرز کا استعمال کرتے ہوئے اپنے ارد گرد کی دنیا کا پتہ لگا سکتا ہے، اور ایکچیویٹرز کا استعمال کرتے ہوئے دنیا کے ساتھ تعامل کر سکتا ہے - مثال کے طور پر، جی پی ایس سینسر کا استعمال کرتے ہوئے آپ کی لوکیشن کا پتہ لگانا اور اسپیکر کا استعمال کرتے ہوئے آپ کو منزل تک نیویگیشن ہدایات دینا۔ @@ -54,7 +54,7 @@ اسمارٹ تھرموسٹیٹ کی مثال میں، تھرموسٹیٹ گھر کے وائی فائی کا استعمال کرتے ہوئے کلاؤڈ میں چلنے والی کلاؤڈ سروس سے جڑے گا۔ یہ درجہ حرارت کا ڈیٹا اس کلاؤڈ سروس کو بھیجے گا، اور وہاں سے یہ کسی قسم کے ڈیٹا بیس میں لکھا جائے گا تاکہ گھر کا مالک فون ایپ کے ذریعے موجودہ اور پچھلے درجہ حرارت کو چیک کر سکے۔ کلاؤڈ میں موجود ایک اور سروس یہ جانتی ہو گی کہ گھر کے مالک کو کیا درجہ حرارت چاہیے، اور کلاؤڈ سروس کے ذریعے آئی او ٹی ڈیوائس کو پیغامات بھیجے گی تاکہ ہیٹنگ سسٹم کو آن یا آف کرنے کو کہا جا سکے۔ -![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، آئی او ٹی ڈیوائس کو کلاؤڈ کے ساتھ دو طرفہ کمیونیکیشن کے ساتھ، جو بدلے میں فون کے ساتھ دو طرفہ کمیونیکیشن رکھتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/ur/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![ایک ڈایاگرام جو درجہ حرارت اور ڈائل کو آئی او ٹی ڈیوائس کے ان پٹس کے طور پر دکھاتا ہے، آئی او ٹی ڈیوائس کو کلاؤڈ کے ساتھ دو طرفہ کمیونیکیشن کے ساتھ، جو بدلے میں فون کے ساتھ دو طرفہ کمیونیکیشن رکھتا ہے، اور ہیٹر کے کنٹرول کو آؤٹ پٹ کے طور پر](../../../../../translated_images/ur/mobile-controlled-thermostat.4a994010473d8d6a.webp) ایک اور زیادہ اسمارٹ ورژن کلاؤڈ میں موجود اے آئی کا استعمال کر سکتا ہے جو دیگر سینسرز سے جڑے دیگر آئی او ٹی ڈیوائسز جیسے کہ قبضے کے سینسرز سے ڈیٹا استعمال کرتا ہے جو یہ پتہ لگاتے ہیں کہ کون سے کمرے استعمال ہو رہے ہیں، نیز موسم اور یہاں تک کہ آپ کے کیلنڈر جیسے ڈیٹا کا استعمال کرتے ہوئے اسمارٹ طریقے سے درجہ حرارت سیٹ کرنے کے فیصلے کرتا ہے۔ مثال کے طور پر، یہ آپ کی کیلنڈر سے پڑھ کر آپ کی غیر موجودگی میں ہیٹنگ بند کر سکتا ہے، یا کمرے کے استعمال کے مطابق کمرے بہ کمرے ہیٹنگ بند کر سکتا ہے، اور وقت کے ساتھ ڈیٹا سے سیکھ کر مزید درست ہوتا جاتا ہے۔ @@ -94,7 +94,7 @@ > 💁 سی پی یوز پروگرامز پر عمل درآمد [فیچ-ڈیکوڈ-ایگزیکیوٹ سائیکل](https://wikipedia.org/wiki/Instruction_cycle) کا استعمال کرتے ہوئے کرتے ہیں۔ ہر گھڑی کے ٹِک کے لیے، سی پی یو میموری سے اگلی ہدایت کو حاصل کرے گا، اسے ڈیکوڈ کرے گا، پھر اس پر عمل کرے گا جیسے کہ دو نمبروں کو شامل کرنے کے لیے ایک ارتھمیٹک لاجک یونٹ (ALU) کا استعمال۔ کچھ عمل درآمد کو چلانے کے لیے متعدد ٹِکس کی ضرورت ہوگی، اس لیے اگلا سائیکل اس ہدایت کے مکمل ہونے کے بعد اگلے ٹِک پر چلے گا۔ -![فیچ-ڈیکوڈ-ایگزیکیوٹ سائیکل دکھاتا ہے کہ فیچ پروگرام کو ریم میں محفوظ ہدایت سے لیتا ہے، پھر اسے سی پی یو پر ڈیکوڈ اور ایگزیکیوٹ کرتا ہے](../../../../../translated_images/ur/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![فیچ-ڈیکوڈ-ایگزیکیوٹ سائیکل دکھاتا ہے کہ فیچ پروگرام کو ریم میں محفوظ ہدایت سے لیتا ہے، پھر اسے سی پی یو پر ڈیکوڈ اور ایگزیکیوٹ کرتا ہے](../../../../../translated_images/ur/fetch-decode-execute.2fd6f150f6280392.webp) مائیکرو کنٹرولرز کی گھڑی کی رفتار ڈیسک ٹاپ یا لیپ ٹاپ کمپیوٹرز، یا یہاں تک کہ زیادہ تر اسمارٹ فونز سے بھی کم ہوتی ہے۔ مثال کے طور پر، وائیو ٹرمینل میں ایک سی پی یو ہے جو 120MHz یا 120,000,000 سائیکلز فی سیکنڈ پر چلتا ہے۔ @@ -166,7 +166,7 @@ Arduino بورڈز کو C یا C++ میں کوڈ کیا جاتا ہے۔ C/C++ ک آپ اپنے `setup` کوڈ کو `setup` فنکشن میں لکھیں گے، جیسے WiFi اور کلاؤڈ سروسز سے کنیکٹ کرنا یا ان پٹ اور آؤٹ پٹ کے لیے پنز کو انیشیلائز کرنا۔ آپ کا `loop` کوڈ پھر پروسیسنگ کوڈ پر مشتمل ہوگا، جیسے سینسر سے پڑھنا اور ویلیو کو کلاؤڈ پر بھیجنا۔ آپ عام طور پر ہر لوپ میں ایک ڈیلے شامل کریں گے، مثال کے طور پر، اگر آپ چاہتے ہیں کہ سینسر ڈیٹا ہر 10 سیکنڈ میں بھیجا جائے تو آپ لوپ کے آخر میں 10 سیکنڈ کا ڈیلے شامل کریں گے تاکہ مائیکرو کنٹرولر پاور بچا سکے، پھر 10 سیکنڈ بعد دوبارہ لوپ چلائے۔ -![Arduino اسکیچ پہلے `setup` چلاتا ہے، پھر `loop` کو بار بار چلاتا ہے](../../../../../translated_images/ur/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![Arduino اسکیچ پہلے `setup` چلاتا ہے، پھر `loop` کو بار بار چلاتا ہے](../../../../../translated_images/ur/arduino-sketch.79590cb837ff7a7c.webp) ✅ اس پروگرام آرکیٹیکچر کو *ایونٹ لوپ* یا *میسج لوپ* کہا جاتا ہے۔ بہت سی ایپلیکیشنز اس کو اندرونی طور پر استعمال کرتی ہیں اور یہ زیادہ تر ڈیسک ٹاپ ایپلیکیشنز کے لیے معیاری ہے جو OS جیسے Windows، macOS یا Linux پر چلتی ہیں۔ `loop` یوزر انٹرفیس کے اجزاء جیسے بٹن یا ڈیوائسز جیسے کی بورڈ سے میسجز سنتا ہے اور ان کا جواب دیتا ہے۔ آپ اس کے بارے میں مزید [ایونٹ لوپ پر ویکیپیڈیا کے آرٹیکل](https://wikipedia.org/wiki/Event_loop) میں پڑھ سکتے ہیں۔ diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md index 9fcdecadf..a0f7cef68 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # سینسرز اور ایکچوایٹرز کے ذریعے جسمانی دنیا کے ساتھ تعامل کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-3.cc3b7b4cd646de59.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -92,7 +92,7 @@ IoT ڈیوائسز ڈیجیٹل ہوتی ہیں - وہ اینالاگ قدروں سب سے آسان ڈیجیٹل سینسر ایک بٹن یا سوئچ ہے۔ یہ ایک سینسر ہے جس کی دو حالتیں ہیں، آن یا آف۔ -![ایک بٹن کو 5 وولٹ بھیجے جا رہے ہیں۔ جب دبایا نہیں جاتا تو 0 وولٹ واپس آتے ہیں، جب دبایا جاتا ہے تو 5 وولٹ واپس آتے ہیں](../../../../../translated_images/ur/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![ایک بٹن کو 5 وولٹ بھیجے جا رہے ہیں۔ جب دبایا نہیں جاتا تو 0 وولٹ واپس آتے ہیں، جب دبایا جاتا ہے تو 5 وولٹ واپس آتے ہیں](../../../../../translated_images/ur/button.eadb560b77ac45e5.webp) IoT ڈیوائسز کے پنز جیسے GPIO پنز اس سگنل کو براہ راست 0 یا 1 کے طور پر ماپ سکتے ہیں۔ اگر بھیجا گیا وولٹیج واپس آنے والے وولٹیج کے برابر ہے، تو پڑھی گئی قدر 1 ہے، ورنہ پڑھی گئی قدر 0 ہے۔ سگنل کو تبدیل کرنے کی ضرورت نہیں ہے، یہ صرف 1 یا 0 ہو سکتا ہے۔ @@ -125,12 +125,12 @@ IoT ڈیوائسز کے پنز جیسے GPIO پنز اس سگنل کو براہ اپنے IoT ڈیوائس میں ایکچوایٹر شامل کرنے کے لیے نیچے دی گئی متعلقہ گائیڈ پر عمل کریں، جو سینسر کے ذریعے کنٹرول کیا جائے گا، تاکہ IoT نائٹ لائٹ بنائی جا سکے۔ یہ لائٹ سینسر سے روشنی کی سطحوں کو جمع کرے گا، اور ایکچوایٹر کے طور پر LED کا استعمال کرے گا تاکہ جب پتہ لگائی گئی روشنی کی سطح بہت کم ہو تو روشنی خارج کرے۔ -![اسائنمنٹ کا فلو چارٹ، روشنی کی سطحوں کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/ur/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![اسائنمنٹ کا فلو چارٹ، روشنی کی سطحوں کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/ur/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [سنگل بورڈ کمپیوٹر - Raspberry Pi](pi-actuator.md) * [سنگل بورڈ کمپیوٹر - ورچوئل -![کم وولٹیج پر مدھم روشنی اور زیادہ وولٹیج پر روشن روشنی](../../../../../translated_images/ur/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![کم وولٹیج پر مدھم روشنی اور زیادہ وولٹیج پر روشن روشنی](../../../../../translated_images/ur/dimmable-light.9ceffeb195dec1a8.webp) جیسے سینسرز کے ساتھ ہوتا ہے، اصل IoT ڈیوائس ڈیجیٹل سگنلز پر کام کرتی ہے، نہ کہ اینالاگ پر۔ اس کا مطلب ہے کہ اینالاگ سگنل بھیجنے کے لیے، IoT ڈیوائس کو ڈیجیٹل سے اینالاگ کنورٹر (DAC) کی ضرورت ہوتی ہے، یا تو براہ راست IoT ڈیوائس پر یا کنیکٹر بورڈ پر۔ یہ IoT ڈیوائس کے 0s اور 1s کو اینالاگ وولٹیج میں تبدیل کرے گا جسے ایکچوایٹر استعمال کر سکتا ہے۔ @@ -177,7 +177,7 @@ IoT ڈیوائس سے ڈیجیٹل سگنلز کو اینالاگ سگنل می ایک سادہ ڈیجیٹل ایکچوایٹر LED ہے۔ جب ایک ڈیوائس 1 کا ڈیجیٹل سگنل بھیجتی ہے، تو ایک ہائی وولٹیج بھیجا جاتا ہے جو LED کو روشن کرتا ہے۔ جب 0 کا ڈیجیٹل سگنل بھیجا جاتا ہے، تو وولٹیج 0V پر گر جاتا ہے اور LED بند ہو جاتا ہے۔ -![ایک LED 0 وولٹ پر بند اور 5V پر روشن ہوتا ہے](../../../../../translated_images/ur/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![ایک LED 0 وولٹ پر بند اور 5V پر روشن ہوتا ہے](../../../../../translated_images/ur/led.ec6d94f66676a174.webp) ✅ آپ کون سے دوسرے سادہ 2-اسٹیٹ ایکچوایٹرز کے بارے میں سوچ سکتے ہیں؟ ایک مثال سولینائیڈ ہے، جو ایک الیکٹرو میگنیٹ ہے جو دروازے کی چٹخنی کو حرکت دے کر دروازے کو لاک/انلاک کرنے جیسے کام انجام دے سکتا ہے۔ diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 54ae10c6f..beb547964 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Otherwise ایل ای ڈی کو جوڑیں۔ -![ایک گروو ایل ای ڈی](../../../../../translated_images/ur/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![ایک گروو ایل ای ڈی](../../../../../translated_images/ur/grove-led.6c853be93f473cf2.webp) 1. اپنی پسندیدہ ایل ای ڈی منتخب کریں اور اس کے پاؤں ایل ای ڈی ماڈیول کے دو سوراخوں میں ڈالیں۔ @@ -40,7 +40,7 @@ Otherwise 1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، گروو کیبل کے دوسرے سرے کو گروو بیس ہیٹ پر **D5** نشان والے ڈیجیٹل ساکٹ سے جوڑیں۔ یہ ساکٹ جی پی آئی او پنز کے ساتھ والی قطار میں بائیں سے دوسرا ہے۔ -![گروو ایل ای ڈی D5 ساکٹ سے جڑی ہوئی](../../../../../translated_images/ur/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![گروو ایل ای ڈی D5 ساکٹ سے جڑی ہوئی](../../../../../translated_images/ur/pi-led.97f1d474981dc35d.webp) ## رات کی روشنی کو پروگرام کریں diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index 906c7a301..bebb2ffac 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ Grove روشنی سینسر، جو روشنی کی سطح کا پتہ لگانے روشنی سینسر کو جوڑیں۔ -![ایک Grove روشنی سینسر](../../../../../translated_images/ur/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![ایک Grove روشنی سینسر](../../../../../translated_images/ur/grove-light-sensor.b8127b7c434e632d.webp) 1. Grove کیبل کے ایک سرے کو روشنی سینسر ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ 1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base hat پر موجود اینالاگ ساکٹ **A0** میں جوڑیں۔ یہ ساکٹ GPIO پنز کے ساتھ والی قطار میں دائیں سے دوسرا ہے۔ -![Grove روشنی سینسر ساکٹ A0 سے منسلک](../../../../../translated_images/ur/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![Grove روشنی سینسر ساکٹ A0 سے منسلک](../../../../../translated_images/ur/pi-light-sensor.66cc1e31fa48cd7d.webp) ## روشنی سینسر کو پروگرام کریں diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index ef384b5de..e670b94e8 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ CounterFit ایپ میں LED شامل کریں۔ 1. **Add** بٹن کو منتخب کریں تاکہ Pin 5 پر LED بنایا جا سکے۔ - ![LED کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![LED کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-led.ba9db1c9b8c622a6.webp) LED بن جائے گا اور ایکچیویٹرز کی فہرست میں ظاہر ہوگا۔ - ![بنایا گیا LED](../../../../../translated_images/ur/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![بنایا گیا LED](../../../../../translated_images/ur/counterfit-led.c0ab02de6d256ad8.webp) ایک بار جب LED بن جائے، تو آپ *Color* پکّر کا استعمال کرتے ہوئے اس کا رنگ تبدیل کر سکتے ہیں۔ رنگ منتخب کرنے کے بعد **Set** بٹن کو منتخب کریں تاکہ رنگ تبدیل ہو جائے۔ diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index 31d25f17c..aef3098b2 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ CounterFit ایپ میں لائٹ سینسر شامل کریں۔ 1. **Add** بٹن منتخب کریں تاکہ Pin 0 پر لائٹ سینسر بنایا جا سکے۔ - ![لائٹ سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![لائٹ سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) لائٹ سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![لائٹ سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![لائٹ سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-light-sensor.5d0f5584df56b90f.webp) ## لائٹ سینسر پروگرام کریں diff --git a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index d4cb8f9f7..3d5d2597d 100644 --- a/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/ur/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED ایک ماڈیول کے طور پر آتا ہے جس میں مختل LED کو جوڑیں۔ -![ایک Grove LED](../../../../../translated_images/ur/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![ایک Grove LED](../../../../../translated_images/ur/grove-led.6c853be93f473cf2.webp) 1. اپنی پسندیدہ LED منتخب کریں اور اس کے ٹانگوں کو LED ماڈیول کے دو سوراخوں میں ڈالیں۔ diff --git a/translations/ur/1-getting-started/lessons/4-connect-internet/README.md b/translations/ur/1-getting-started/lessons/4-connect-internet/README.md index b3cacd6e8..03cabda11 100644 --- a/translations/ur/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/ur/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # اپنے ڈیوائس کو انٹرنیٹ سے کنیکٹ کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-4.7344e074ea68fa54.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔ @@ -47,7 +47,7 @@ MQTT IoT ڈیوائسز کے لیے سب سے زیادہ مقبول کمیونی MQTT میں ایک بروکر اور متعدد کلائنٹس ہوتے ہیں۔ تمام کلائنٹس بروکر سے جڑتے ہیں، اور بروکر پیغامات کو متعلقہ کلائنٹس تک پہنچاتا ہے۔ پیغامات کو نامزد موضوعات کے ذریعے پہنچایا جاتا ہے، بجائے اس کے کہ انہیں براہ راست کسی کلائنٹ کو بھیجا جائے۔ ایک کلائنٹ کسی موضوع پر پبلش کر سکتا ہے، اور جو کلائنٹس اس موضوع کو سبسکرائب کرتے ہیں وہ پیغام وصول کریں گے۔ -![IoT ڈیوائس /telemetry موضوع پر ٹیلیمیٹری پبلش کر رہا ہے، اور کلاؤڈ سروس اس موضوع کو سبسکرائب کر رہی ہے](../../../../../translated_images/ur/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT ڈیوائس /telemetry موضوع پر ٹیلیمیٹری پبلش کر رہا ہے، اور کلاؤڈ سروس اس موضوع کو سبسکرائب کر رہی ہے](../../../../../translated_images/ur/mqtt.cbf7f21d9adc3e17.webp) ✅ تحقیق کریں۔ اگر آپ کے پاس بہت زیادہ IoT ڈیوائسز ہوں، تو آپ کیسے یقینی بنائیں گے کہ آپ کا MQTT بروکر تمام پیغامات کو سنبھال سکتا ہے؟ @@ -69,7 +69,7 @@ MQTT میں ایک بروکر اور متعدد کلائنٹس ہوتے ہیں۔ > 💁 یہ ٹیسٹ بروکر عوامی اور غیر محفوظ ہے۔ جو کچھ آپ پبلش کرتے ہیں اسے کوئی بھی سن سکتا ہے، لہذا اسے کسی ایسے ڈیٹا کے ساتھ استعمال نہیں کیا جانا چاہیے جسے نجی رکھنا ضروری ہو۔ -![اسائنمنٹ کا فلو چارٹ، روشنی کی سطح کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/ur/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![اسائنمنٹ کا فلو چارٹ، روشنی کی سطح کو پڑھنے اور چیک کرنے، اور LED کو کنٹرول کرنے کو دکھا رہا ہے](../../../../../translated_images/ur/assignment-1-internet-flow.3256feab5f052fd2.webp) اپنے ڈیوائس کو MQTT بروکر سے کنیکٹ کرنے کے لیے نیچے دیے گئے متعلقہ مرحلے پر عمل کریں: @@ -342,7 +342,7 @@ Python ورچوئل ماحول کو ترتیب دیں اور MQTT pip پیکجز IoT ڈیوائس ڈیزائنرز کو یہ بھی غور کرنا چاہیے کہ آیا IoT ڈیوائس انٹرنیٹ آؤٹج یا مقام کی وجہ سے سگنل کے نقصان کے دوران استعمال کیا جا سکتا ہے۔ ایک سمارٹ تھرموسٹیٹ کو کچھ محدود فیصلے کرنے کے قابل ہونا چاہیے تاکہ اگر یہ کلاؤڈ کو ٹیلیمیٹری بھیجنے کے قابل نہ ہو تو ہیٹنگ کو کنٹرول کر سکے۔ -[![یہ فراری خراب ہو گئی کیونکہ کسی نے اسے زیر زمین اپ گریڈ کرنے کی کوشش کی جہاں کوئی سیل ریسیپشن نہیں تھا](../../../../../translated_images/ur/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![یہ فراری خراب ہو گئی کیونکہ کسی نے اسے زیر زمین اپ گریڈ کرنے کی کوشش کی جہاں کوئی سیل ریسیپشن نہیں تھا](../../../../../translated_images/ur/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) MQTT کے لیے کنیکٹیویٹی کے نقصان کو ہینڈل کرنے کے لیے، ڈیوائس اور سرور کوڈ کو یہ یقینی بنانے کے لیے ذمہ دار ہونا پڑے گا کہ اگر پیغام کی ترسیل ضروری ہو تو وہ یقینی بنائی جائے، مثال کے طور پر تمام بھیجے گئے پیغامات کے لیے جواب میں اضافی پیغامات کی ضرورت ہو تاکہ اگر جواب نہ ملے تو وہ دستی طور پر قطار میں رکھے جائیں اور بعد میں دوبارہ بھیجے جائیں۔ @@ -350,7 +350,7 @@ MQTT کے لیے کنیکٹیویٹی کے نقصان کو ہینڈل کرنے کمانڈز وہ پیغامات ہیں جو کلاؤڈ سے ڈیوائس کو بھیجے جاتے ہیں تاکہ اسے کچھ کرنے کی ہدایت دی جا سکے۔ زیادہ تر وقت یہ کسی ایکچوئیٹر کے ذریعے کچھ آؤٹپٹ دینے سے متعلق ہوتا ہے، لیکن یہ خود ڈیوائس کے لیے بھی ہدایت ہو سکتی ہے، جیسے کہ ریبوٹ کرنا، یا اضافی ٹیلیمیٹری اکٹھا کرنا اور اسے کمانڈ کے جواب کے طور پر واپس بھیجنا۔ -![ایک انٹرنیٹ سے جڑا ہوا تھرموسٹیٹ جو ہیٹنگ آن کرنے کے لیے کمانڈ وصول کر رہا ہے](../../../../../translated_images/ur/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![ایک انٹرنیٹ سے جڑا ہوا تھرموسٹیٹ جو ہیٹنگ آن کرنے کے لیے کمانڈ وصول کر رہا ہے](../../../../../translated_images/ur/commands.d6c06bbbb3a02cce.webp) ایک تھرموسٹیٹ کلاؤڈ سے کمانڈ وصول کر سکتا ہے تاکہ ہیٹنگ کو آن کرے۔ تمام سینسرز سے ٹیلیمیٹری ڈیٹا کی بنیاد پر، اگر کلاؤڈ سروس نے فیصلہ کیا ہے کہ ہیٹنگ آن ہونی چاہیے، تو یہ متعلقہ کمانڈ بھیجتا ہے۔ diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md index 85bfea195..e7e26738d 100644 --- a/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ # پودوں کی افزائش کی پیشن گوئی IoT کے ذریعے -![اس سبق کا ایک خاکہ](../../../../../translated_images/ur/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![اس سبق کا ایک خاکہ](../../../../../translated_images/ur/lesson-5.42b234299279d263.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر کے لیے تصویر پر کلک کریں۔ @@ -102,7 +102,7 @@ مثال کے طور پر، اگر دن کے لیے سب سے زیادہ درجہ حرارت 25°C ہے، اور سب سے کم 12°C: -![GDD = 25 + 12 تقسیم 2، پھر نتیجے سے 10 کو منفی کریں، نتیجہ 8.5 ہوگا](../../../../../translated_images/ur/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 تقسیم 2، پھر نتیجے سے 10 کو منفی کریں، نتیجہ 8.5 ہوگا](../../../../../translated_images/ur/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md index b83daaf2b..f45c90fbe 100644 --- a/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ جے یوپیٹر شروع ہوگا اور نوٹ بک کو آپ کے براؤزر میں کھولے گا۔ نوٹ بک میں موجود ہدایات پر عمل کریں تاکہ ماپے گئے درجہ حرارت کو بصری بنایا جا سکے اور بڑھتے ہوئے ڈگری دنوں کا حساب لگایا جا سکے۔ - ![جے یوپیٹر نوٹ بک](../../../../../translated_images/ur/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![جے یوپیٹر نوٹ بک](../../../../../translated_images/ur/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## معیار diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md index 63f6549a5..73c25adcc 100644 --- a/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ درجہ حرارت سینسر کو جوڑیں -![گروو درجہ حرارت سینسر](../../../../../translated_images/ur/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![گروو درجہ حرارت سینسر](../../../../../translated_images/ur/grove-dht11.07f8eafceee17004.webp) 1. گروو کیبل کے ایک سرے کو نمی اور درجہ حرارت سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index 5041b7d53..63c56a8d5 100644 --- a/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ CounterFit ایپ میں نمی اور درجہ حرارت سینسرز شامل 1. **Add** بٹن منتخب کریں تاکہ Pin 5 پر نمی سینسر بنایا جا سکے۔ - ![نمی سینسر کی ترتیبات](../../../../../translated_images/ur/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![نمی سینسر کی ترتیبات](../../../../../translated_images/ur/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) نمی سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![نمی سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![نمی سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. درجہ حرارت سینسر بنائیں: @@ -54,11 +54,11 @@ CounterFit ایپ میں نمی اور درجہ حرارت سینسرز شامل 1. **Add** بٹن منتخب کریں تاکہ Pin 6 پر درجہ حرارت سینسر بنایا جا سکے۔ - ![درجہ حرارت سینسر کی ترتیبات](../../../../../translated_images/ur/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![درجہ حرارت سینسر کی ترتیبات](../../../../../translated_images/ur/counterfit-create-temperature-sensor.199350ed34f7343d.webp) درجہ حرارت سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![درجہ حرارت سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![درجہ حرارت سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-temperature-sensor.f0560236c96a9016.webp) ## درجہ حرارت سینسر ایپ پروگرام کریں diff --git a/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index a5c369acb..f2d46baac 100644 --- a/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/ur/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ درجہ حرارت سینسر کو جوڑیں۔ -![گروو درجہ حرارت سینسر](../../../../../translated_images/ur/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![گروو درجہ حرارت سینسر](../../../../../translated_images/ur/grove-dht11.07f8eafceee17004.webp) 1. گروو کیبل کے ایک سرے کو نمی اور درجہ حرارت سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md index 86000465d..f5801327d 100644 --- a/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C بس میں 2 اہم وائرز کے ساتھ 2 پاور وائرز شام | VCC | وولٹیج کامن کلیکٹر | ڈیوائسز کے لیے پاور سپلائی۔ یہ SDA اور SCL وائرز سے جڑی ہوتی ہے تاکہ پل-اپ ریزسٹر کے ذریعے ان کو پاور فراہم کرے، جو سگنل کو اس وقت بند کر دیتا ہے جب کوئی ڈیوائس کنٹرولر نہ ہو۔ | | GND | گراؤنڈ | یہ الیکٹریکل سرکٹ کے لیے ایک کامن گراؤنڈ فراہم کرتی ہے۔ | -![I2C بس جس میں 3 ڈیوائسز SDA اور SCL وائرز سے جڑی ہوئی ہیں، اور ایک کامن گراؤنڈ وائر شیئر کر رہی ہیں](../../../../../translated_images/ur/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C بس جس میں 3 ڈیوائسز SDA اور SCL وائرز سے جڑی ہوئی ہیں، اور ایک کامن گراؤنڈ وائر شیئر کر رہی ہیں](../../../../../translated_images/ur/i2c.83da845dde02256b.webp) ڈیٹا بھیجنے کے لیے، ایک ڈیوائس اسٹارٹ کنڈیشن جاری کرے گی تاکہ ظاہر ہو کہ یہ ڈیٹا بھیجنے کے لیے تیار ہے۔ یہ پھر کنٹرولر بن جائے گی۔ کنٹرولر اس ڈیوائس کا ایڈریس بھیجے گی جس کے ساتھ یہ بات چیت کرنا چاہتی ہے، اور یہ بھی بتائے گی کہ یہ ڈیٹا پڑھنا چاہتی ہے یا لکھنا۔ ڈیٹا منتقل ہونے کے بعد، کنٹرولر اسٹاپ کنڈیشن جاری کرے گی تاکہ ظاہر ہو کہ یہ ختم ہو چکا ہے۔ اس کے بعد کوئی اور ڈیوائس کنٹرولر بن سکتی ہے اور ڈیٹا بھیج یا وصول کر سکتی ہے۔ <سپ> diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md index 361f7d747..41349ee04 100644 --- a/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,7 +20,7 @@ وزنی مٹی کی نمی کا حساب درج ذیل فارمولے سے لگایا جاتا ہے: -![مٹی کی نمی % = گیلی مٹی کا وزن - خشک مٹی کا وزن، تقسیم بر خشک مٹی کا وزن، ضرب 100](../../../../../translated_images/ur/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![مٹی کی نمی % = گیلی مٹی کا وزن - خشک مٹی کا وزن، تقسیم بر خشک مٹی کا وزن، ضرب 100](../../../../../translated_images/ur/gsm-calculation.6da38c6201eec14e.webp) * W - گیلی مٹی کا وزن @@ -29,7 +29,7 @@ مثال کے طور پر، فرض کریں کہ آپ کے پاس ایک مٹی کا نمونہ ہے جس کا وزن 212g گیلا اور 197g خشک ہے۔ -![فارمولے میں بھرا ہوا حساب](../../../../../translated_images/ur/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![فارمولے میں بھرا ہوا حساب](../../../../../translated_images/ur/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212g * W = 197g diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index 17e375c1f..c789e9b63 100644 --- a/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ CounterFit ایپ میں مٹی نمی سینسر شامل کریں۔ 1. **Add** بٹن کو منتخب کریں تاکہ Pin 0 پر *Soil Moisture* سینسر بنایا جا سکے۔ - ![مٹی نمی سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![مٹی نمی سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) مٹی نمی سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![مٹی نمی سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![مٹی نمی سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## مٹی نمی سینسر ایپ پروگرام کریں diff --git a/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 9c70151f6..ae2198388 100644 --- a/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/ur/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove soil moisture sensor کو Wio Terminal کے قابل ترتیب اینال مٹی کی نمی کے سینسر کو جوڑیں۔ -![ایک grove soil moisture sensor](../../../../../translated_images/ur/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![ایک grove soil moisture sensor](../../../../../translated_images/ur/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. Grove کیبل کے ایک سرے کو مٹی کی نمی کے سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md index d49c9202d..9bd8491e7 100644 --- a/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # خودکار پودوں کو پانی دینا -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-7.30b5f577d3cb8e03.webp) > خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -32,7 +32,7 @@ IoT ڈیوائسز کم وولٹیج استعمال کرتی ہیں۔ یہ سی اس مسئلے کا حل یہ ہے کہ پمپ کو ایک بیرونی پاور سپلائی سے جوڑا جائے، اور ایک ایکچوئیٹر کے ذریعے پمپ کو آن کیا جائے، بالکل اسی طرح جیسے آپ ایک لائٹ کو آن کرتے ہیں۔ آپ کی انگلی کے ذریعے سوئچ کو پلٹنے کے لیے تھوڑی سی توانائی درکار ہوتی ہے، اور یہ لائٹ کو مین بجلی سے جوڑ دیتا ہے جو 110v/240v پر چلتی ہے۔ -![ایک لائٹ سوئچ لائٹ کو آن کرنے کے لیے پاور فراہم کرتا ہے](../../../../../translated_images/ur/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![ایک لائٹ سوئچ لائٹ کو آن کرنے کے لیے پاور فراہم کرتا ہے](../../../../../translated_images/ur/light-switch.760317ad6ab8bd6d.webp) > 🎓 [مینز بجلی](https://wikipedia.org/wiki/Mains_electricity) وہ بجلی ہے جو گھروں اور کاروباروں کو قومی انفراسٹرکچر کے ذریعے فراہم کی جاتی ہے۔ @@ -72,7 +72,7 @@ IoT ڈیوائسز کم وولٹیج استعمال کرتی ہیں۔ یہ سی الیکٹرو میگنیٹ کو لیور کو کھینچنے اور فعال کرنے کے لیے زیادہ پاور کی ضرورت نہیں ہوتی، اسے 3.3V یا 5V آؤٹ پٹ کے ذریعے IoT ڈیوائس سے کنٹرول کیا جا سکتا ہے۔ آؤٹ پٹ سرکٹ زیادہ پاور لے جا سکتا ہے، ریلے پر منحصر ہے، بشمول مینز وولٹیج یا صنعتی استعمال کے لیے اس سے بھی زیادہ پاور لیولز۔ اس طرح ایک IoT ڈیوائس ایک آبپاشی کے نظام کو کنٹرول کر سکتی ہے، چاہے وہ ایک پودے کے لیے چھوٹا پمپ ہو یا ایک بڑے تجارتی فارم کے لیے ایک وسیع صنعتی نظام۔ -![ایک گروو ریلے جس میں کنٹرول سرکٹ، آؤٹ پٹ سرکٹ اور ریلے لیبل کیے گئے ہیں](../../../../../translated_images/ur/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![ایک گروو ریلے جس میں کنٹرول سرکٹ، آؤٹ پٹ سرکٹ اور ریلے لیبل کیے گئے ہیں](../../../../../translated_images/ur/grove-relay-labelled.293e068f5c3c2a19.webp) اوپر دی گئی تصویر میں ایک گروو ریلے دکھایا گیا ہے۔ کنٹرول سرکٹ IoT ڈیوائس سے جڑتا ہے اور 3.3V یا 5V کا استعمال کرتے ہوئے ریلے کو آن یا آف کرتا ہے۔ آؤٹ پٹ سرکٹ میں دو ٹرمینلز ہیں، جن میں سے کوئی بھی پاور یا گراؤنڈ ہو سکتا ہے۔ آؤٹ پٹ سرکٹ 250V تک 10A کو ہینڈل کر سکتا ہے، جو مختلف مینز پاورڈ ڈیوائسز کے لیے کافی ہے۔ آپ ایسے ریلے بھی حاصل کر سکتے ہیں جو اس سے بھی زیادہ پاور لیولز کو ہینڈل کر سکتے ہیں۔ diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md index dbd379009..4259b9a55 100644 --- a/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove ریلے کو راسپبیری پائی سے جوڑا جا سکتا ہے۔ ریلے کو جوڑیں۔ -![ایک Grove ریلے](../../../../../translated_images/ur/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![ایک Grove ریلے](../../../../../translated_images/ur/grove-relay.d426958ca210fbd0.webp) 1. Grove کیبل کے ایک سرے کو ریلے کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ 1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base Hat پر **D5** کے نشان والے ڈیجیٹل ساکٹ سے جوڑیں جو پائی سے منسلک ہے۔ یہ ساکٹ GPIO پنز کے ساتھ والی ساکٹوں کی قطار میں بائیں طرف سے دوسرا ہے۔ مٹی کی نمی کے سینسر کو **A0** ساکٹ سے جڑا رہنے دیں۔ -![Grove ریلے D5 ساکٹ سے جڑا ہوا، اور مٹی کی نمی کا سینسر A0 ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove ریلے D5 ساکٹ سے جڑا ہوا، اور مٹی کی نمی کا سینسر A0 ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. مٹی کی نمی کے سینسر کو مٹی میں ڈالیں، اگر یہ پچھلے سبق سے پہلے ہی نہیں ڈالا گیا ہے۔ diff --git a/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index b40a00dc9..7f508c919 100644 --- a/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/ur/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ CounterFit ایپ میں ریلے شامل کریں۔ 1. **Add** بٹن کو منتخب کریں تاکہ Pin 5 پر ریلے بنایا جا سکے۔ - ![ریلے کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![ریلے کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-relay.fa7c40fd0f2f6afc.webp) ریلے بنایا جائے گا اور ایکچوئیٹرز کی فہرست میں ظاہر ہوگا۔ - ![ریلے بنایا گیا](../../../../../translated_images/ur/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![ریلے بنایا گیا](../../../../../translated_images/ur/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## ریلے کو پروگرام کریں diff --git a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index b93b22a5e..127605892 100644 --- a/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/ur/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # اپنے پودے کو کلاؤڈ پر منتقل کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-8.3f21f3c11159e6a0.webp) > خاکہ از [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -46,8 +46,8 @@ کلاؤڈ کو اکثر مذاق میں 'کسی اور کا کمپیوٹر' کہا جاتا ہے۔ بنیادی خیال سادہ تھا - کمپیوٹر خریدنے کے بجائے، آپ کسی اور کا کمپیوٹر کرائے پر لیں۔ کوئی اور، یعنی کلاؤڈ کمپیوٹنگ فراہم کنندہ، بڑے ڈیٹا سینٹرز کا انتظام کرے گا۔ وہ ہارڈویئر خریدنے اور انسٹال کرنے، بجلی اور کولنگ کا انتظام کرنے، نیٹ ورکنگ، عمارت کی حفاظت، ہارڈویئر اور سافٹ ویئر اپ ڈیٹس، سب کچھ سنبھالیں گے۔ بطور صارف، آپ کو صرف ضرورت کے مطابق کمپیوٹر کرائے پر لینے ہوں گے، جب مانگ بڑھے تو زیادہ کرائے پر لیں، اور جب مانگ کم ہو تو کم کرائے پر لیں۔ یہ کلاؤڈ ڈیٹا سینٹرز دنیا بھر میں موجود ہیں۔ -![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر](../../../../../translated_images/ur/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر کی منصوبہ بندی](../../../../../translated_images/ur/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر](../../../../../translated_images/ur/azure-region-existing.73f704604f2aa6cb.webp) +![ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر کی منصوبہ بندی](../../../../../translated_images/ur/azure-region-planned-expansion.a5074a1e8af74f15.webp) یہ ڈیٹا سینٹرز کئی مربع کلومیٹر کے رقبے پر محیط ہو سکتے ہیں۔ اوپر دی گئی تصاویر چند سال پہلے ایک مائیکروسافٹ کلاؤڈ ڈیٹا سینٹر میں لی گئی تھیں، اور ابتدائی سائز کے ساتھ ساتھ منصوبہ بند توسیع کو دکھاتی ہیں۔ توسیع کے لیے صاف کیا گیا علاقہ 5 مربع کلومیٹر سے زیادہ ہے۔ @@ -108,11 +108,11 @@ Azure سبسکرپشن کے دو مختلف مفت اقسام ہیں جن کے IoT ڈیوائسز کلاؤڈ سروس سے یا تو ڈیوائس SDK (ایک لائبریری جو سروس کی خصوصیات کے ساتھ کام کرنے کے لیے کوڈ فراہم کرتی ہے) یا براہ راست کسی مواصلاتی پروٹوکول جیسے MQTT یا HTTP کے ذریعے جڑتی ہیں۔ ڈیوائس SDK عام طور پر سب سے آسان راستہ ہوتا ہے کیونکہ یہ سب کچھ آپ کے لیے سنبھالتا ہے، جیسے کہ کون سے موضوعات پر شائع کرنا یا سبسکرائب کرنا، اور سیکیورٹی کو کیسے سنبھالنا۔ -![ڈیوائسز سروس سے ڈیوائس SDK کے ذریعے جڑتی ہیں۔ سرور کوڈ بھی SDK کے ذریعے سروس سے جڑتا ہے](../../../../../translated_images/ur/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![ڈیوائسز سروس سے ڈیوائس SDK کے ذریعے جڑتی ہیں۔ سرور کوڈ بھی SDK کے ذریعے سروس سے جڑتا ہے](../../../../../translated_images/ur/iot-service-connectivity.7e873847921a5d6f.webp) آپ کا ڈیوائس پھر آپ کی ایپلیکیشن کے دوسرے حصوں کے ساتھ اس سروس کے ذریعے بات چیت کرتا ہے - بالکل اسی طرح جیسے آپ نے MQTT کے ذریعے ٹیلیمیٹری بھیجی اور کمانڈز وصول کیں۔ یہ عام طور پر سروس SDK یا اسی طرح کی لائبریری کا استعمال کرتے ہوئے کیا جاتا ہے۔ پیغامات آپ کے ڈیوائس سے سروس تک آتے ہیں جہاں آپ کی ایپلیکیشن کے دوسرے اجزاء انہیں پڑھ سکتے ہیں، اور پیغامات آپ کے ڈیوائس کو واپس بھیجے جا سکتے ہیں۔ -![جس ڈیوائس کے پاس درست خفیہ کلید نہیں ہوتی وہ IoT سروس سے نہیں جڑ سکتی](../../../../../translated_images/ur/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![جس ڈیوائس کے پاس درست خفیہ کلید نہیں ہوتی وہ IoT سروس سے نہیں جڑ سکتی](../../../../../translated_images/ur/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) یہ سروسز سیکیورٹی کو نافذ کرتی ہیں، یہ جان کر کہ کون سے ڈیوائسز جڑ سکتے ہیں اور ڈیٹا بھیج سکتے ہیں، یا تو ڈیوائسز کو سروس کے ساتھ پہلے سے رجسٹر کر کے، یا ڈیوائسز کو خفیہ کلیدیں یا سرٹیفکیٹس دے کر تاکہ وہ پہلی بار سروس سے جڑنے پر خود کو رجسٹر کر سکیں۔ نامعلوم ڈیوائسز جڑ نہیں سکتیں، اگر وہ کوشش کریں تو سروس کنکشن کو مسترد کر دیتی ہے اور ان کے بھیجے گئے پیغامات کو نظر انداز کر دیتی ہے۔ @@ -124,7 +124,7 @@ IoT ڈیوائسز کلاؤڈ سروس سے یا تو ڈیوائس SDK (ایک اب جب کہ آپ کے پاس Azure سبسکرپشن ہے، آپ IoT سروس کے لیے سائن اپ کر سکتے ہیں۔ Microsoft کی IoT سروس کو Azure IoT Hub کہا جاتا ہے۔ -![Azure IoT Hub کا لوگو](../../../../../translated_images/ur/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Azure IoT Hub کا لوگو](../../../../../translated_images/ur/azure-iot-hub-logo.28a19de76d0a1932.webp) نیچے دی گئی ویڈیو Azure IoT Hub کا مختصر جائزہ پیش کرتی ہے: diff --git a/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index dbb7952b5..0298421cc 100644 --- a/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/ur/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # اپنی ایپلیکیشن لاجک کو کلاؤڈ میں منتقل کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-9.dfe99c8e891f48e1.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -28,7 +28,7 @@ سرور لیس، یا سرور لیس کمپیوٹنگ، چھوٹے کوڈ بلاکس بنانے کا عمل ہے جو مختلف قسم کے ایونٹس کے جواب میں کلاؤڈ میں چلتے ہیں۔ جب ایونٹ ہوتا ہے تو آپ کا کوڈ چلتا ہے اور ایونٹ کے بارے میں ڈیٹا اسے فراہم کیا جاتا ہے۔ یہ ایونٹس مختلف چیزوں سے ہو سکتے ہیں، جیسے ویب ریکویسٹ، قطار میں رکھے گئے پیغامات، ڈیٹا بیس میں ڈیٹا میں تبدیلیاں، یا IoT ڈیوائسز کے ذریعے IoT سروس کو بھیجے گئے پیغامات۔ -![IoT سروس سے سرور لیس سروس کو بھیجے گئے ایونٹس، جو ایک ساتھ کئی فنکشنز کے ذریعے پروسیس کیے جا رہے ہیں](../../../../../translated_images/ur/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![IoT سروس سے سرور لیس سروس کو بھیجے گئے ایونٹس، جو ایک ساتھ کئی فنکشنز کے ذریعے پروسیس کیے جا رہے ہیں](../../../../../translated_images/ur/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 اگر آپ نے پہلے ڈیٹا بیس ٹرگرز استعمال کیے ہیں، تو آپ اسے اسی طرح سمجھ سکتے ہیں، کوڈ ایونٹ جیسے کہ ایک قطار شامل کرنے پر ٹرگر ہوتا ہے۔ @@ -54,7 +54,7 @@ Microsoft کی سرور لیس کمپیوٹنگ سروس کو Azure Functions کہا جاتا ہے۔ -![Azure Functions کا لوگو](../../../../../translated_images/ur/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Azure Functions کا لوگو](../../../../../translated_images/ur/azure-functions-logo.1cfc8e3204c9c44a.webp) نیچے دی گئی مختصر ویڈیو میں Azure Functions کا جائزہ دیا گیا ہے۔ diff --git a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md index 44646b1d9..00fe57512 100644 --- a/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/ur/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # اپنے پودے کو محفوظ رکھیں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-10.829c86b80b9403bb.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -52,11 +52,11 @@ IoT سیکیورٹی کا مطلب یہ ہے کہ صرف متوقع آلات آ جب کوئی آلہ IoT سروس سے جڑتا ہے، تو یہ اپنی شناخت کے لیے ایک ID استعمال کرتا ہے۔ مسئلہ یہ ہے کہ اس ID کو کلون کیا جا سکتا ہے - ایک ہیکر ایک بدنیتی پر مبنی آلہ سیٹ کر سکتا ہے جو ایک حقیقی آلے کی طرح ID استعمال کرتا ہے لیکن جعلی ڈیٹا بھیجتا ہے۔ -![ایک حقیقی اور بدنیتی پر مبنی آلہ ایک ہی ID استعمال کر کے ٹیلی میٹری بھیج سکتے ہیں](../../../../../translated_images/ur/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![ایک حقیقی اور بدنیتی پر مبنی آلہ ایک ہی ID استعمال کر کے ٹیلی میٹری بھیج سکتے ہیں](../../../../../translated_images/ur/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) اس کا حل یہ ہے کہ بھیجے جانے والے ڈیٹا کو ایک خفیہ شکل میں تبدیل کیا جائے، جس کے لیے ایک ایسی ویلیو استعمال کی جائے جو صرف آلے اور کلاؤڈ کو معلوم ہو۔ اس عمل کو *انکرپشن* کہا جاتا ہے، اور ڈیٹا کو انکرپٹ کرنے کے لیے استعمال ہونے والی ویلیو کو *انکرپشن کی* کہا جاتا ہے۔ -![اگر انکرپشن استعمال کی جائے، تو صرف انکرپٹڈ پیغامات قبول کیے جائیں گے، دیگر مسترد کر دیے جائیں گے](../../../../../translated_images/ur/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![اگر انکرپشن استعمال کی جائے، تو صرف انکرپٹڈ پیغامات قبول کیے جائیں گے، دیگر مسترد کر دیے جائیں گے](../../../../../translated_images/ur/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) کلاؤڈ سروس پھر ڈیٹا کو ایک قابلِ پڑھائی شکل میں تبدیل کر سکتی ہے، جسے *ڈی کرپشن* کہا جاتا ہے، اور یہ یا تو وہی انکرپشن کی استعمال کر کے یا ایک *ڈی کرپشن کی* کے ذریعے کیا جاتا ہے۔ اگر انکرپٹڈ پیغام کو کی کے ذریعے ڈی کرپٹ نہ کیا جا سکے، تو آلہ ہیک ہو چکا ہے اور پیغام مسترد کر دیا جاتا ہے۔ diff --git a/translations/ur/3-transport/lessons/1-location-tracking/README.md b/translations/ur/3-transport/lessons/1-location-tracking/README.md index 9d9bd8c1c..323355781 100644 --- a/translations/ur/3-transport/lessons/1-location-tracking/README.md +++ b/translations/ur/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # مقام کی نگرانی -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-11.9fddbac4b664c6d5.webp) > خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔ @@ -63,13 +63,13 @@ IoT سامان کی نقل و حمل کے طریقے کو تبدیل کر رہا > 💁 کوئی بھی اصل وجہ نہیں جانتا کہ دائرے کو 360 ڈگری میں کیوں تقسیم کیا گیا۔ [ویکیپیڈیا پر ڈگری (زاویہ) کا صفحہ](https://wikipedia.org/wiki/Degree_(angle)) ممکنہ وجوہات کا احاطہ کرتا ہے۔ -![عرض البلد کی لکیریں: شمالی قطب پر 90°، شمالی قطب اور خط استوا کے درمیان آدھے راستے پر 45°، خط استوا پر 0°، خط استوا اور جنوبی قطب کے درمیان آدھے راستے پر -45°، اور جنوبی قطب پر -90°](../../../../../translated_images/ur/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![عرض البلد کی لکیریں: شمالی قطب پر 90°، شمالی قطب اور خط استوا کے درمیان آدھے راستے پر 45°، خط استوا پر 0°، خط استوا اور جنوبی قطب کے درمیان آدھے راستے پر -45°، اور جنوبی قطب پر -90°](../../../../../translated_images/ur/latitude-lines.11d8d91dfb2014a5.webp) عرض البلد ان لکیروں کا استعمال کرتے ہوئے ماپا جاتا ہے جو زمین کو گھیرتی ہیں اور خط استوا کے متوازی چلتی ہیں، شمالی اور جنوبی نصف کرہ کو 90° میں تقسیم کرتی ہیں۔ خط استوا 0° پر ہے، شمالی قطب 90° پر ہے، جسے 90° شمال بھی کہا جاتا ہے، اور جنوبی قطب -90° پر ہے، یا 90° جنوب۔ طول البلد مشرق اور مغرب میں ماپی جانے والی ڈگریوں کی تعداد کے طور پر ماپا جاتا ہے۔ طول البلد کا 0° نقطہ آغاز *پرائم میریڈین* کہلاتا ہے، اور اسے 1884 میں شمالی قطب سے جنوبی قطب تک ایک لکیر کے طور پر بیان کیا گیا تھا جو [گرین وچ، انگلینڈ میں برٹش رائل آبزرویٹری](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich) سے گزرتی ہے۔ -![طول البلد کی لکیریں جو پرائم میریڈین کے مغرب میں -180° سے، پرائم میریڈین پر 0° تک، اور پرائم میریڈین کے مشرق میں 180° تک جاتی ہیں](../../../../../translated_images/ur/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![طول البلد کی لکیریں جو پرائم میریڈین کے مغرب میں -180° سے، پرائم میریڈین پر 0° تک، اور پرائم میریڈین کے مشرق میں 180° تک جاتی ہیں](../../../../../translated_images/ur/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 میریڈین ایک خیالی سیدھی لکیر ہے جو شمالی قطب سے جنوبی قطب تک جاتی ہے، ایک نیم دائرہ بناتی ہے۔ @@ -100,7 +100,7 @@ IoT سامان کی نقل و حمل کے طریقے کو تبدیل کر رہا * عرض البلد 47.6423109 (خط استوا کے شمال میں 47.6423109 ڈگری) * طول البلد -122.1390293 (پرائم میریڈین کے مغرب میں 122.1390293 ڈگری)۔ -![مائیکروسافٹ کیمپس 47.6423109,-122.117198 پر](../../../../../translated_images/ur/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![مائیکروسافٹ کیمپس 47.6423109,-122.117198 پر](../../../../../translated_images/ur/microsoft-gps-location-world.a321d481b010f6ad.webp) ## عالمی مقامیت کے نظام (GPS) @@ -112,7 +112,7 @@ GPS نظام اس طرح کام کرتے ہیں کہ متعدد سیٹلائٹس > 💁 GPS سینسرز کو ریڈیو لہروں کا پتہ لگانے کے لیے اینٹینا کی ضرورت ہوتی ہے۔ ٹرکوں اور گاڑیوں میں موجود GPS کے ساتھ نصب اینٹینا کو اچھا سگنل حاصل کرنے کے لیے پوزیشن میں رکھا جاتا ہے، عام طور پر ونڈشیلڈ یا چھت پر۔ اگر آپ ایک علیحدہ GPS نظام استعمال کر رہے ہیں، جیسے کہ اسمارٹ فون یا IoT ڈیوائس، تو آپ کو یہ یقینی بنانا ہوگا کہ GPS نظام یا فون میں موجود اینٹینا آسمان کا واضح نظارہ رکھتا ہو، جیسے کہ ونڈشیلڈ پر نصب ہو۔ -![سینسر سے متعدد سیٹلائٹس کے فاصلے کو جان کر مقام کا حساب لگایا جا سکتا ہے](../../../../../translated_images/ur/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![سینسر سے متعدد سیٹلائٹس کے فاصلے کو جان کر مقام کا حساب لگایا جا سکتا ہے](../../../../../translated_images/ur/gps-satellites.04acf1148fe25fbf.webp) GPS سیٹلائٹس زمین کے گرد چکر لگا رہے ہیں، سینسر کے اوپر کسی مقررہ مقام پر نہیں ہیں، اس لیے مقام کے ڈیٹا میں سمندر کی سطح سے بلندی کے ساتھ ساتھ عرض البلد اور طول البلد بھی شامل ہوتا ہے۔ diff --git a/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 6c45e29c4..1d8a1bcd5 100644 --- a/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/ur/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS سینسر کو راسپبیری پائی کے ساتھ جوڑا جا جی پی ایس سینسر کو جوڑیں۔ -![ایک Grove GPS سینسر](../../../../../translated_images/ur/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![ایک Grove GPS سینسر](../../../../../translated_images/ur/grove-gps-sensor.247943bf69b03f0d.webp) 1. Grove کیبل کے ایک سرے کو جی پی ایس سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں داخل ہوگا۔ 1. راسپبیری پائی کو بند کر کے، Grove کیبل کے دوسرے سرے کو Grove Base Hat پر موجود **UART** کے نشان والے ساکٹ میں جوڑیں۔ یہ ساکٹ درمیانی قطار میں ہے، ایس ڈی کارڈ سلاٹ کے قریب، یو ایس بی پورٹس اور ایتھرنیٹ ساکٹ کے مخالف سمت۔ - ![Grove GPS سینسر UART ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS سینسر UART ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-gps-sensor.1f99ee2b2f652891.webp) 1. جی پی ایس سینسر کو اس طرح رکھیں کہ جڑا ہوا اینٹینا آسمان کو دیکھ سکے - مثالی طور پر کھڑکی کے قریب یا باہر۔ اینٹینا کے راستے میں کسی چیز کے نہ ہونے سے سگنل زیادہ واضح طور پر ملتا ہے۔ diff --git a/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index f98798a3a..246c0730e 100644 --- a/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/ur/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ 1. **Add** بٹن کو منتخب کریں تاکہ پورٹ `/dev/ttyAMA0` پر جی پی ایس سینسر بنایا جا سکے۔ - ![جی پی ایس سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![جی پی ایس سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) جی پی ایس سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![جی پی ایس سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![جی پی ایس سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-gps-sensor.3fbb15af0a536756.webp) ## جی پی ایس سینسر کو پروگرام کریں @@ -102,17 +102,17 @@ * **Source** کو `Lat/Lon` پر سیٹ کریں، اور ایک واضح لاٹیٹیوڈ، لانگیٹیوڈ اور سیٹلائٹس کی تعداد سیٹ کریں جو جی پی ایس فکس حاصل کرنے کے لیے استعمال ہو۔ یہ ویلیو صرف ایک بار بھیجی جائے گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ہر سیکنڈ دہرایا جائے۔ - ![جی پی ایس سینسر کے ساتھ لاٹ لان منتخب](../../../../../translated_images/ur/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![جی پی ایس سینسر کے ساتھ لاٹ لان منتخب](../../../../../translated_images/ur/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * **Source** کو `NMEA` پر سیٹ کریں اور این ایم ای اے جملے ٹیکسٹ باکس میں شامل کریں۔ یہ تمام ویلیوز بھیجی جائیں گی، ہر نئے جی جی اے (پوزیشن فکس) جملے کو پڑھنے سے پہلے 1 سیکنڈ کی تاخیر کے ساتھ۔ - ![جی پی ایس سینسر کے ساتھ این ایم ای اے جملے سیٹ](../../../../../translated_images/ur/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![جی پی ایس سینسر کے ساتھ این ایم ای اے جملے سیٹ](../../../../../translated_images/ur/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) آپ [nmeagen.org](https://www.nmeagen.org) جیسے ٹول کا استعمال کر سکتے ہیں تاکہ نقشے پر ڈرائنگ کر کے یہ جملے تیار کیے جا سکیں۔ یہ ویلیوز صرف ایک بار بھیجی جائیں گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ایک سیکنڈ بعد دہرایا جائے۔ * **Source** کو GPX فائل پر سیٹ کریں، اور ایک جی پی ایکس فائل اپلوڈ کریں جس میں ٹریک کے مقامات ہوں۔ آپ جی پی ایکس فائلز کو کئی مشہور میپنگ اور ہائکنگ سائٹس جیسے [AllTrails](https://www.alltrails.com/) سے ڈاؤنلوڈ کر سکتے ہیں۔ ان فائلز میں متعدد جی پی ایس مقامات بطور ٹریل شامل ہوتے ہیں، اور جی پی ایس سینسر ہر نئے مقام کو 1 سیکنڈ کے وقفے پر واپس کرے گا۔ - ![جی پی ایس سینسر کے ساتھ جی پی ایکس فائل سیٹ](../../../../../translated_images/ur/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![جی پی ایس سینسر کے ساتھ جی پی ایکس فائل سیٹ](../../../../../translated_images/ur/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) یہ ویلیوز صرف ایک بار بھیجی جائیں گی، لہذا **Repeat** باکس کو چیک کریں تاکہ ڈیٹا ایک سیکنڈ بعد دہرایا جائے۔ diff --git a/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 91234c7fb..017e93330 100644 --- a/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/ur/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS سینسر کو وائیو ٹرمینل سے جوڑا جا سکتا ہ جی پی ایس سینسر کو جوڑیں۔ -![ایک Grove GPS سینسر](../../../../../translated_images/ur/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![ایک Grove GPS سینسر](../../../../../translated_images/ur/grove-gps-sensor.247943bf69b03f0d.webp) 1. Grove کیبل کے ایک سرے کو جی پی ایس سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ diff --git a/translations/ur/3-transport/lessons/2-store-location-data/README.md b/translations/ur/3-transport/lessons/2-store-location-data/README.md index 5fd9077ba..97205e5c9 100644 --- a/translations/ur/3-transport/lessons/2-store-location-data/README.md +++ b/translations/ur/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # اسٹور لوکیشن ڈیٹا -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-12.ca7f53039712a3ec.webp) > خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -75,7 +75,7 @@ NoSQL ڈیٹا بیس کو NoSQL کہا جاتا ہے کیونکہ ان میں S > 💁 ان کے نام کے باوجود، کچھ NoSQL ڈیٹا بیس آپ کو ڈیٹا پر سوالات کرنے کے لیے SQL استعمال کرنے کی اجازت دیتے ہیں۔ -![NoSQL ڈیٹا بیس میں فولڈرز میں دستاویزات](../../../../../translated_images/ur/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![NoSQL ڈیٹا بیس میں فولڈرز میں دستاویزات](../../../../../translated_images/ur/noqsl-database.62d24ccf5b73f60d.webp) NoSQL ڈیٹا بیس میں پہلے سے متعین اسکیمہ نہیں ہوتا جو ڈیٹا کو محفوظ کرنے کے طریقے کو محدود کرے، بلکہ آپ کسی بھی غیر ساختہ ڈیٹا کو داخل کر سکتے ہیں، عام طور پر JSON دستاویزات کا استعمال کرتے ہوئے۔ ان دستاویزات کو فولڈرز میں منظم کیا جا سکتا ہے، جیسے آپ کے کمپیوٹر پر فائلز۔ ہر دستاویز میں دوسرے دستاویزات سے مختلف فیلڈز ہو سکتے ہیں - مثال کے طور پر، اگر آپ اپنے فارم کی گاڑیوں سے IoT ڈیٹا محفوظ کر رہے ہیں، تو کچھ میں ایکسیلرومیٹر اور رفتار کے ڈیٹا کے لیے فیلڈز ہو سکتے ہیں، جبکہ دیگر میں ٹریلر کے درجہ حرارت کے لیے فیلڈز ہو سکتے ہیں۔ اگر آپ کسی نئے ٹرک کی قسم شامل کرتے ہیں، جیسے ایک ایسا ٹرک جس میں وزن کو ٹریک کرنے کے لیے بلٹ ان اسکیلز ہوں، تو آپ کا IoT ڈیوائس اس نئے فیلڈ کو شامل کر سکتا ہے اور اسے ڈیٹا بیس میں کسی تبدیلی کے بغیر محفوظ کیا جا سکتا ہے۔ @@ -89,7 +89,7 @@ NoSQL ڈیٹا بیس میں پہلے سے متعین اسکیمہ نہیں ہو پچھلے سبق میں آپ نے اپنے IoT ڈیوائس سے GPS سینسر کے ذریعے GPS ڈیٹا حاصل کیا۔ اس IoT ڈیٹا کو کلاؤڈ میں محفوظ کرنے کے لیے، آپ کو اسے IoT سروس پر بھیجنا ہوگا۔ ایک بار پھر، آپ Azure IoT Hub استعمال کریں گے، وہی IoT کلاؤڈ سروس جو آپ نے پچھلے پروجیکٹ میں استعمال کی تھی۔ -![IoT ڈیوائس سے IoT ہب تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/ur/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![IoT ڈیوائس سے IoT ہب تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/ur/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### کام - GPS ڈیٹا کو IoT ہب پر بھیجیں @@ -171,7 +171,7 @@ IoT ڈیوائس سے کلاؤڈ تک ڈیٹا ہمیشہ حقیقی وقت می ایک بار جب ڈیٹا آپ کے IoT ہب میں آنا شروع ہو جائے، تو آپ کچھ سرور لیس کوڈ لکھ سکتے ہیں جو ایونٹس کو سننے کے لیے Event-Hub کے ہم آہنگ اینڈ پوائنٹ پر شائع کرے۔ یہ وارم راستہ ہے - یہ ڈیٹا محفوظ کیا جائے گا اور اگلے سبق میں سفر کی رپورٹنگ کے لیے استعمال ہوگا۔ -![IoT ڈیوائس سے IoT ہب، پھر ایونٹ ہب ٹرگر کے ذریعے Azure فنکشنز تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/ur/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![IoT ڈیوائس سے IoT ہب، پھر ایونٹ ہب ٹرگر کے ذریعے Azure فنکشنز تک GPS ٹیلیمیٹری بھیجنا](../../../../../translated_images/ur/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### کام - GPS ایونٹس کو سرور لیس کوڈ کے ذریعے ہینڈل کریں @@ -193,7 +193,7 @@ IoT ڈیوائس سے کلاؤڈ تک ڈیٹا ہمیشہ حقیقی وقت می ## Azure اسٹوریج اکاؤنٹس -![Azure Storage کا لوگو](../../../../../translated_images/ur/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Azure Storage کا لوگو](../../../../../translated_images/ur/azure-storage-logo.605c0f602c640d48.webp) Azure اسٹوریج اکاؤنٹس ایک عمومی مقصد کا اسٹوریج سروس ہے جو مختلف طریقوں سے ڈیٹا کو محفوظ کر سکتا ہے۔ آپ ڈیٹا کو blobs، queues، tables، یا files کی صورت میں محفوظ کر سکتے ہیں، اور یہ سب ایک ساتھ ممکن ہے۔ diff --git a/translations/ur/3-transport/lessons/3-visualize-location-data/README.md b/translations/ur/3-transport/lessons/3-visualize-location-data/README.md index aa7909879..dcc0dbd8d 100644 --- a/translations/ur/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/ur/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # مقام کے ڈیٹا کو بصری بنائیں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-13.a259db1485021be7.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی تخلیق کردہ۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -64,11 +64,11 @@ ایک انسان کے لیے اس ڈیٹا کو سمجھنا مشکل ہو سکتا ہے۔ یہ صرف نمبروں کی ایک دیوار ہے جس کا کوئی مطلب نہیں۔ اس ڈیٹا کو بصری بنانے کے پہلے قدم کے طور پر، اسے لائن چارٹ پر پلاٹ کیا جا سکتا ہے: -![اوپر دیے گئے ڈیٹا کا ایک لائن چارٹ](../../../../../translated_images/ur/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![اوپر دیے گئے ڈیٹا کا ایک لائن چارٹ](../../../../../translated_images/ur/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) اسے مزید بہتر بنایا جا سکتا ہے، جیسے کہ ایک لائن شامل کر کے یہ دکھایا جائے کہ مٹی کی نمی کی ریڈنگ 450 پر پہنچنے پر خودکار پانی دینے کا نظام کب آن ہوا: -![مٹی کی نمی کا چارٹ جس میں 450 پر ایک لائن دکھائی گئی ہے](../../../../../translated_images/ur/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![مٹی کی نمی کا چارٹ جس میں 450 پر ایک لائن دکھائی گئی ہے](../../../../../translated_images/ur/chart-soil-moisture-relay.fbb391236d34a64d.webp) یہ چارٹ بہت جلدی یہ ظاہر کرتا ہے کہ مٹی کی نمی کی سطح کیا تھی اور پانی دینے کا نظام کب آن ہوا۔ @@ -84,7 +84,7 @@ GPS ڈیٹا کے ساتھ کام کرتے وقت، سب سے واضح بصری نقشوں کے ساتھ کام کرنا ایک دلچسپ مشق ہے، اور انتخاب کے لیے بہت سے اختیارات ہیں جیسے Bing Maps، Leaflet، Open Street Maps، اور Google Maps۔ اس سبق میں، آپ [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) کے بارے میں سیکھیں گے اور یہ کہ وہ آپ کے GPS ڈیٹا کو کیسے ظاہر کر سکتے ہیں۔ -![Azure Maps کا لوگو](../../../../../translated_images/ur/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Azure Maps کا لوگو](../../../../../translated_images/ur/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps "جغرافیائی خدمات اور SDKs کا ایک مجموعہ ہے جو تازہ نقشہ سازی کے ڈیٹا کا استعمال کرتے ہوئے ویب اور موبائل ایپلیکیشنز کو جغرافیائی سیاق و سباق فراہم کرتا ہے۔" ڈویلپرز کو خوبصورت، انٹرایکٹو نقشے بنانے کے لیے ٹولز فراہم کیے جاتے ہیں جو ٹریفک کے تجویز کردہ راستے فراہم کر سکتے ہیں، ٹریفک کے واقعات کے بارے میں معلومات دے سکتے ہیں، اندرونی نیویگیشن، تلاش کی صلاحیتیں، بلندی کی معلومات، موسم کی خدمات اور بہت کچھ کر سکتے ہیں۔ @@ -185,7 +185,7 @@ Azure Maps "جغرافیائی خدمات اور SDKs کا ایک مجموعہ اگر آپ اپنے `index.html` صفحے کو ویب براؤزر میں کھولیں، تو آپ کو ایک نقشہ لوڈ ہوتا ہوا نظر آنا چاہیے، جو سیئٹل کے علاقے پر مرکوز ہے۔ - ![سیئٹل، واشنگٹن اسٹیٹ، USA کا نقشہ](../../../../../translated_images/ur/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![سیئٹل، واشنگٹن اسٹیٹ، USA کا نقشہ](../../../../../translated_images/ur/map-image.8fb2c53eb23ef39c.webp) ✅ زوم اور سینٹر پیرامیٹرز کے ساتھ تجربہ کریں تاکہ اپنے نقشے کی ظاہری شکل کو تبدیل کریں۔ آپ اپنے ڈیٹا کے طول البلد اور عرض البلد کے مطابق مختلف کوآرڈینیٹس شامل کر کے نقشے کو دوبارہ مرکز کر سکتے ہیں۔ @@ -317,7 +317,7 @@ Azure Maps "جغرافیائی خدمات اور SDKs کا ایک مجموعہ 1. HTML صفحہ اپنے براؤزر میں لوڈ کریں۔ یہ نقشہ لوڈ کرے گا، پھر اسٹوریج سے تمام GPS ڈیٹا لوڈ کرے گا اور نقشے پر پلاٹ کرے گا۔ - ![سیئٹل کے قریب سینٹ ایڈورڈ اسٹیٹ پارک کا نقشہ، جس میں پارک کے کنارے کے ارد گرد ایک راستہ دکھانے والے دائرے ہیں](../../../../../translated_images/ur/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![سیئٹل کے قریب سینٹ ایڈورڈ اسٹیٹ پارک کا نقشہ، جس میں پارک کے کنارے کے ارد گرد ایک راستہ دکھانے والے دائرے ہیں](../../../../../translated_images/ur/map-path.896832e72dc696ff.webp) > 💁 آپ اس کوڈ کو [code](../../../../../3-transport/lessons/3-visualize-location-data/code) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/3-transport/lessons/4-geofences/README.md b/translations/ur/3-transport/lessons/4-geofences/README.md index 9ed729266..84cc14b08 100644 --- a/translations/ur/3-transport/lessons/4-geofences/README.md +++ b/translations/ur/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # جیو فینسز -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-14.63980c5150ae3c15.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -35,7 +35,7 @@ جیو فینس ایک حقیقی دنیا کے جغرافیائی علاقے کے لیے ایک ورچوئل حد ہے۔ جیو فینسز دائرے کی شکل میں ہو سکتے ہیں، جو ایک نقطہ اور رداس سے متعین کیے جاتے ہیں (مثال کے طور پر کسی عمارت کے ارد گرد 100 میٹر چوڑا دائرہ)، یا ایک پولیگون کی شکل میں، جیسے اسکول زون، شہر کی حدود، یا یونیورسٹی یا دفتر کیمپس۔ -![جیو فینس کی کچھ مثالیں، Microsoft کمپنی اسٹور کے ارد گرد ایک دائرہ اور Microsoft ویسٹ کیمپس کے ارد گرد ایک پولیگون](../../../../../translated_images/ur/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![جیو فینس کی کچھ مثالیں، Microsoft کمپنی اسٹور کے ارد گرد ایک دائرہ اور Microsoft ویسٹ کیمپس کے ارد گرد ایک پولیگون](../../../../../translated_images/ur/geofence-examples.172fbc534665769f.webp) > 💁 آپ نے شاید پہلے ہی جیو فینسز کا استعمال کیا ہو، بغیر جانے۔ اگر آپ نے iOS ریمائنڈرز ایپ یا Google Keep میں کسی مقام کی بنیاد پر یاد دہانی سیٹ کی ہے، تو آپ نے جیو فینس کا استعمال کیا ہے۔ یہ ایپس دیے گئے مقام کی بنیاد پر جیو فینس سیٹ کرتی ہیں اور جب آپ کا فون جیو فینس میں داخل ہوتا ہے تو آپ کو الرٹ کرتی ہیں۔ @@ -212,7 +212,7 @@ Azure Maps میں جیو فینس استعمال کرنے کے لیے، پہلے مثال کے طور پر، تصور کریں کہ GPS ریڈنگز ایک گاڑی کو دکھاتی ہیں جو ایک سڑک پر چل رہی ہے جو جیو فینس کے ساتھ چلتی ہے۔ اگر ایک GPS قدر غلط ہے اور گاڑی کو جیو فینس کے اندر رکھتی ہے، حالانکہ وہاں گاڑیوں کی رسائی نہیں ہے، تو اسے نظر انداز کیا جا سکتا ہے۔ -![GPS ٹریل جو Microsoft کیمپس کے ساتھ 520 پر گاڑی کو دکھاتا ہے، سڑک کے ساتھ GPS ریڈنگز کے ساتھ، سوائے ایک کے جو کیمپس پر ہے، جیو فینس کے اندر](../../../../../translated_images/ur/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![GPS ٹریل جو Microsoft کیمپس کے ساتھ 520 پر گاڑی کو دکھاتا ہے، سڑک کے ساتھ GPS ریڈنگز کے ساتھ، سوائے ایک کے جو کیمپس پر ہے، جیو فینس کے اندر](../../../../../translated_images/ur/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) مندرجہ بالا تصویر میں، مائیکروسافٹ کیمپس کے ایک حصے پر ایک جیو فینس دکھایا گیا ہے۔ سرخ لائن ایک ٹرک کو 520 کے ساتھ چلتے ہوئے دکھاتی ہے، اور دائرے GPS ریڈنگز کو ظاہر کرتے ہیں۔ ان میں سے زیادہ تر درست ہیں اور 520 کے ساتھ ہیں، لیکن ایک غلط ریڈنگ جیو فینس کے اندر ہے۔ یہ ریڈنگ درست نہیں ہو سکتی - 520 سے کیمپس پر اچانک مڑنے اور پھر واپس 520 پر جانے کے لیے کوئی سڑکیں نہیں ہیں۔ جیو فینس کو چیک کرنے والا کوڈ نتائج پر عمل کرنے سے پہلے پچھلی ریڈنگز کو مدنظر رکھنا ہوگا۔ ✅ آپ کو کون سے اضافی ڈیٹا کی ضرورت ہوگی تاکہ یہ چیک کیا جا سکے کہ آیا GPS ریڈنگ کو درست سمجھا جا سکتا ہے؟ @@ -284,7 +284,7 @@ Azure Maps میں جیو فینس استعمال کرنے کے لیے، پہلے جواب یہ ہے کہ یہ نہیں جان سکتا! اس کے بجائے آپ ایونٹس کو پڑھنے کے لیے متعدد الگ الگ کنیکشنز ڈیفائن کر سکتے ہیں، اور ہر ایک ان ریڈ میسجز کے دوبارہ چلانے کا انتظام کر سکتا ہے۔ انہیں *کنزیومر گروپس* کہا جاتا ہے۔ جب آپ اینڈ پوائنٹ سے کنیکٹ کرتے ہیں، تو آپ یہ اسپیسفائی کر سکتے ہیں کہ آپ کس کنزیومر گروپ سے کنیکٹ کرنا چاہتے ہیں۔ آپ کی ایپلیکیشن کے ہر کمپوننٹ ایک مختلف کنزیومر گروپ سے کنیکٹ کرے گا۔ -![ایک IoT Hub جس میں 3 کنزیومر گروپس ایک ہی میسجز کو 3 مختلف فنکشنز ایپس میں تقسیم کر رہے ہیں](../../../../../translated_images/ur/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![ایک IoT Hub جس میں 3 کنزیومر گروپس ایک ہی میسجز کو 3 مختلف فنکشنز ایپس میں تقسیم کر رہے ہیں](../../../../../translated_images/ur/consumer-groups.a3262e26fc27ba20.webp) نظریہ میں، ہر کنزیومر گروپ سے 5 ایپلیکیشنز تک کنیکٹ ہو سکتی ہیں، اور وہ سب میسجز وصول کریں گی جب وہ آئیں گے۔ بہترین عمل یہ ہے کہ ہر کنزیومر گروپ تک صرف ایک ایپلیکیشن کو رسائی دی جائے تاکہ ڈپلیکیٹ میسجز پروسیسنگ سے بچا جا سکے، اور یہ یقینی بنایا جا سکے کہ جب دوبارہ شروع کیا جائے تو تمام قطار میں موجود میسجز درست طریقے سے پروسیس ہوں۔ مثال کے طور پر، اگر آپ نے اپنی Functions ایپ کو لوکل طور پر لانچ کیا اور اسے کلاؤڈ میں بھی چلایا، تو وہ دونوں میسجز پروسیس کریں گے، جس سے اسٹوریج اکاؤنٹ میں ڈپلیکیٹ blobs محفوظ ہوں گے۔ diff --git a/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md index 345ecb306..d404ce0de 100644 --- a/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/ur/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # پھلوں کے معیار کا پتہ لگانے والا تربیت کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-15.843d21afdc6fb2bb.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی تخلیق کردہ۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -38,7 +38,7 @@ خودکار کٹائی کے بڑھتے ہوئے رجحان نے پیداوار کی ترتیب کو کھیت سے فیکٹری میں منتقل کر دیا۔ خوراک لمبی کنویئر بیلٹس پر سفر کرتی، جہاں لوگوں کی ٹیمیں پیداوار کو چن کر غیر معیاری اشیاء کو ہٹا دیتیں۔ مشینری کی بدولت کٹائی سستی ہو گئی، لیکن خوراک کو دستی طور پر ترتیب دینے کی لاگت اب بھی موجود تھی۔ -![اگر ایک سرخ ٹماٹر کا پتہ چلتا ہے تو وہ بغیر کسی رکاوٹ کے اپنی راہ پر چلتا رہتا ہے۔ اگر ایک سبز ٹماٹر کا پتہ چلتا ہے تو اسے ایک لیور کے ذریعے فضلہ کے ڈبے میں ڈال دیا جاتا ہے](../../../../../translated_images/ur/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![اگر ایک سرخ ٹماٹر کا پتہ چلتا ہے تو وہ بغیر کسی رکاوٹ کے اپنی راہ پر چلتا رہتا ہے۔ اگر ایک سبز ٹماٹر کا پتہ چلتا ہے تو اسے ایک لیور کے ذریعے فضلہ کے ڈبے میں ڈال دیا جاتا ہے](../../../../../translated_images/ur/optical-tomato-sorting.61aa134bdda4e5b1.webp) اگلا ارتقاء مشینوں کا استعمال تھا جو یا تو کٹائی کرنے والی مشین میں شامل تھیں یا پروسیسنگ پلانٹس میں۔ ان مشینوں کی پہلی نسل نے رنگوں کا پتہ لگانے کے لیے آپٹیکل سینسرز کا استعمال کیا، جو لیورز یا ہوا کے جھونکوں کے ذریعے سبز ٹماٹروں کو فضلہ کے ڈبے میں دھکیلتے تھے، جبکہ سرخ ٹماٹر کنویئر بیلٹس کے نیٹ ورک پر چلتے رہتے تھے۔ @@ -62,7 +62,7 @@ > 🎓 ML ماڈلز کے نتائج کو *پیش گوئیاں* کہا جاتا ہے۔ -![2 کیلے، ایک پکا ہوا جس کی پیش گوئی 99.7% پکا، 0.3% کچا، اور ایک کچا جس کی پیش گوئی 1.4% پکا، 98.6% کچا](../../../../../translated_images/ur/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![2 کیلے، ایک پکا ہوا جس کی پیش گوئی 99.7% پکا، 0.3% کچا، اور ایک کچا جس کی پیش گوئی 1.4% پکا، 98.6% کچا](../../../../../translated_images/ur/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات دیتے ہیں۔ مثال کے طور پر، ایک ماڈل کو ایک کیلے کی تصویر دی جا سکتی ہے اور یہ `پکا` 99.7% اور `کچا` 0.3% پیش گوئی کر سکتا ہے۔ آپ کا کوڈ پھر بہترین پیش گوئی کا انتخاب کرے گا اور فیصلہ کرے گا کہ کیلا پکا ہے۔ @@ -90,7 +90,7 @@ ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات کسٹم وژن ایک کلاؤڈ بیسڈ ٹول ہے جو تصویر کے درجہ بندی کرنے والے ماڈلز کو تربیت دینے کے لیے استعمال ہوتا ہے۔ یہ آپ کو صرف چند تصاویر کے ساتھ ایک ماڈل کو تربیت دینے کی اجازت دیتا ہے۔ آپ تصاویر کو ویب پورٹل، ویب API یا SDK کے ذریعے اپ لوڈ کر سکتے ہیں، ہر تصویر کو ایک *ٹیگ* دے کر جو اس تصویر کی درجہ بندی کی نمائندگی کرتا ہے۔ آپ پھر ماڈل کو تربیت دیتے ہیں، اور اس کی کارکردگی کو جانچتے ہیں۔ جب آپ ماڈل سے مطمئن ہو جائیں، تو آپ اس کے ورژنز کو شائع کر سکتے ہیں جو ویب API یا SDK کے ذریعے قابل رسائی ہوں۔ -![Azure Custom Vision کا لوگو](../../../../../translated_images/ur/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Azure Custom Vision کا لوگو](../../../../../translated_images/ur/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 آپ کم از کم 5 تصاویر فی درجہ بندی کے ساتھ ایک کسٹم وژن ماڈل کو تربیت دے سکتے ہیں، لیکن زیادہ بہتر ہے۔ کم از کم 30 تصاویر کے ساتھ آپ کو بہتر نتائج مل سکتے ہیں۔ @@ -146,7 +146,7 @@ ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات جب آپ اپنا پروجیکٹ بنائیں، تو اس بات کو یقینی بنائیں کہ آپ نے پہلے بنائے گئے `fruit-quality-detector-training` ریسورس کا استعمال کیا ہے۔ *Classification* پروجیکٹ ٹائپ، *Multiclass* درجہ بندی کی قسم، اور *Food* ڈومین استعمال کریں۔ - ![کسٹم وژن پروجیکٹ کے لیے ترتیبات، نام `fruit-quality-detector`، کوئی وضاحت نہیں، ریسورس `fruit-quality-detector-training`، پروجیکٹ ٹائپ `classification`، درجہ بندی کی قسم `multi-class`، اور ڈومین `food`](../../../../../translated_images/ur/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![کسٹم وژن پروجیکٹ کے لیے ترتیبات، نام `fruit-quality-detector`، کوئی وضاحت نہیں، ریسورس `fruit-quality-detector-training`، پروجیکٹ ٹائپ `classification`، درجہ بندی کی قسم `multi-class`، اور ڈومین `food`](../../../../../translated_images/ur/custom-vision-create-project.cf46325b92d8b131.webp) ✅ اپنے تصویر کے درجہ بندی کرنے والے ماڈل کے لیے کسٹم وژن UI کو دریافت کرنے کے لیے کچھ وقت نکالیں۔ @@ -164,7 +164,7 @@ ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات * 2 پکے ہوئے کیلے استعمال کرتے ہوئے، ہر ایک کی مختلف زاویوں سے کچھ تصاویر لیں، کم از کم 7 تصاویر (5 تربیت کے لیے، 2 جانچ کے لیے)، لیکن ترجیحاً زیادہ۔ - ![2 مختلف کیلے کی تصاویر](../../../../../translated_images/ur/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![2 مختلف کیلے کی تصاویر](../../../../../translated_images/ur/banana-training-images.530eb203346d73bc.webp) * یہی عمل 2 کچے کیلے کے ساتھ دہرائیں۔ @@ -174,7 +174,7 @@ ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات 1. [Microsoft Docs پر ماڈل بنانے کے فوری آغاز کے اپلوڈ اور ٹیگ تصاویر کے سیکشن](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) کی پیروی کریں تاکہ اپنی تربیتی تصاویر اپلوڈ کریں۔ پکے ہوئے پھل کو `ripe` اور کچے پھل کو `unripe` کے طور پر ٹیگ کریں۔ - ![پکے اور کچے کیلے کی تصاویر اپلوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/ur/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![پکے اور کچے کیلے کی تصاویر اپلوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/ur/image-upload-bananas.0751639f3815e0ec.webp) 1. [Microsoft Docs پر ماڈل بنانے کے فوری آغاز کے ماڈل کو تربیت دینے کے سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier) کی پیروی کریں تاکہ اپنی اپلوڈ کردہ تصاویر پر ماڈل کو تربیت دیں۔ @@ -192,7 +192,7 @@ ML ماڈلز بائنری جواب نہیں دیتے، بلکہ امکانات 1. [Microsoft Docs پر ماڈل کی جانچ کے دستاویزات](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model) کی پیروی کریں تاکہ اپنے ماڈل کی جانچ کریں۔ وہ تصاویر استعمال کریں جو آپ نے پہلے جانچ کے لیے بنائی تھیں، نہ کہ وہ تصاویر جو تربیت کے لیے استعمال کی گئی تھیں۔ - ![ایک کچا کیلا 98.9% امکان کے ساتھ کچا اور 1.1% امکان کے ساتھ پکا پیش گوئی کیا گیا](../../../../../translated_images/ur/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![ایک کچا کیلا 98.9% امکان کے ساتھ کچا اور 1.1% امکان کے ساتھ پکا پیش گوئی کیا گیا](../../../../../translated_images/ur/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. تمام جانچ کی تصاویر آزمائیں جو آپ کے پاس دستیاب ہیں اور امکانات کا مشاہدہ کریں۔ diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md index a975f2a76..ac02287de 100644 --- a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # آئی او ٹی ڈیوائس سے پھلوں کی کوالٹی چیک کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-16.215daf18b00631fb.webp) > خاکہ نگاری: [نیتیا نرسمہن](https://github.com/nitya)۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -26,7 +26,7 @@ کیمرہ سینسرز، جیسا کہ نام سے ظاہر ہے، وہ کیمرے ہیں جنہیں آپ اپنے آئی او ٹی ڈیوائس سے جوڑ سکتے ہیں۔ یہ اسٹِل تصاویر لے سکتے ہیں یا ویڈیو اسٹریم کر سکتے ہیں۔ کچھ کیمرے خام امیج ڈیٹا واپس کرتے ہیں، جبکہ کچھ امیج ڈیٹا کو JPEG یا PNG فائل میں کمپریس کر دیتے ہیں۔ عام طور پر آئی او ٹی ڈیوائسز کے ساتھ کام کرنے والے کیمرے چھوٹے اور کم ریزولوشن والے ہوتے ہیں، لیکن آپ اعلیٰ ریزولوشن والے کیمرے بھی حاصل کر سکتے ہیں جو اعلیٰ درجے کے فونز کا مقابلہ کر سکتے ہیں۔ آپ مختلف قسم کے لینز، ملٹیپل کیمرہ سیٹ اپس، انفراریڈ تھرمل کیمرے، یا یو وی کیمرے بھی حاصل کر سکتے ہیں۔ -![روشنی لینز سے گزر کر CMOS سینسر پر مرکوز ہوتی ہے](../../../../../translated_images/ur/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![روشنی لینز سے گزر کر CMOS سینسر پر مرکوز ہوتی ہے](../../../../../translated_images/ur/cmos-sensor.75f9cd74decb1371.webp) زیادہ تر کیمرہ سینسرز امیج سینسرز استعمال کرتے ہیں، جہاں ہر پکسل ایک فوٹوڈائیوڈ ہوتا ہے۔ ایک لینز تصویر کو امیج سینسر پر مرکوز کرتا ہے، اور ہزاروں یا لاکھوں فوٹوڈائیوڈز اس پر پڑنے والی روشنی کو پکڑتے ہیں اور اسے پکسل ڈیٹا کے طور پر ریکارڈ کرتے ہیں۔ @@ -74,7 +74,7 @@ 1. ورژن کے لیے **Publish** بٹن کو منتخب کریں۔ - ![شائع کرنے کا بٹن](../../../../../translated_images/ur/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![شائع کرنے کا بٹن](../../../../../translated_images/ur/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. *Publish Model* ڈائیلاگ میں، *Prediction resource* کو `fruit-quality-detector-prediction` ریسورس پر سیٹ کریں جو آپ نے پچھلے سبق میں بنایا تھا۔ نام کو `Iteration2` پر چھوڑ دیں، اور **Publish** بٹن کو منتخب کریں۔ @@ -88,7 +88,7 @@ *Prediction-Key* ویلیو کی بھی ایک کاپی لیں۔ یہ ایک محفوظ کلید ہے جسے آپ کو ماڈل کو کال کرتے وقت پاس کرنا ہوگا۔ صرف وہ ایپلیکیشنز جو اس کلید کو پاس کرتی ہیں ماڈل کو استعمال کرنے کی اجازت دی جاتی ہیں، باقی تمام ایپلیکیشنز کو مسترد کر دیا جاتا ہے۔ - ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/ur/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/ur/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ جب ایک نیا ورژن شائع کیا جاتا ہے، تو اس کا نام مختلف ہوتا ہے۔ آپ کے خیال میں آپ آئی او ٹی ڈیوائس کو استعمال کرنے والے ورژن کو کیسے تبدیل کریں گے؟ @@ -109,7 +109,7 @@ ایک امیج کلاسیفائر کے بہترین نتائج حاصل کرنے کے لیے، آپ ماڈل کو ان تصاویر کے ساتھ تربیت دینا چاہتے ہیں جو پیش گوئی کے لیے استعمال ہونے والی تصاویر سے زیادہ سے زیادہ مشابہ ہوں۔ اگر آپ نے تربیت کے لیے اپنے فون کے کیمرے کا استعمال کیا، تو مثال کے طور پر، تصویر کا معیار، شارپنس، اور رنگ آئی او ٹی ڈیوائس سے جڑے کیمرے سے مختلف ہوں گے۔ -![2 کیلے کی تصاویر، ایک کم ریزولوشن والی خراب روشنی کے ساتھ آئی او ٹی ڈیوائس سے، اور دوسری اعلیٰ ریزولوشن والی اچھی روشنی کے ساتھ فون سے](../../../../../translated_images/ur/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![2 کیلے کی تصاویر، ایک کم ریزولوشن والی خراب روشنی کے ساتھ آئی او ٹی ڈیوائس سے، اور دوسری اعلیٰ ریزولوشن والی اچھی روشنی کے ساتھ فون سے](../../../../../translated_images/ur/banana-picture-compare.174df164dc326a42.webp) اوپر دی گئی تصویر میں، بائیں طرف کیلے کی تصویر Raspberry Pi کیمرے سے لی گئی ہے، جبکہ دائیں طرف کی تصویر اسی کیلے کی اسی جگہ پر iPhone سے لی گئی ہے۔ معیار میں واضح فرق ہے - iPhone کی تصویر زیادہ شارپ، روشن رنگوں اور زیادہ کنٹراسٹ کے ساتھ ہے۔ diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index f5e5f784d..75caa9faa 100644 --- a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ ### کام - کیمرہ کو جوڑیں -![راسپبیری پائی کیمرہ](../../../../../translated_images/ur/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![راسپبیری پائی کیمرہ](../../../../../translated_images/ur/pi-camera-module.4278753c31bd6e75.webp) 1. پائی کو بند کریں۔ @@ -24,17 +24,17 @@ آپ [راسپبیری پائی کیمرہ ماڈیول کے ساتھ شروعات کی دستاویزات](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) میں کلپ کو کھولنے اور کیبل ڈالنے کا اینیمیشن دیکھ سکتے ہیں۔ - ![ربن کیبل کیمرہ ماڈیول میں داخل کی گئی](../../../../../translated_images/ur/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![ربن کیبل کیمرہ ماڈیول میں داخل کی گئی](../../../../../translated_images/ur/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. پائی سے گروو بیس ہیٹ کو ہٹا دیں۔ 1. ربن کیبل کو گروو بیس ہیٹ کے کیمرہ سلاٹ سے گزاریں۔ اس بات کو یقینی بنائیں کہ کیبل کا نیلا حصہ اینالاگ پورٹس **A0**, **A1** وغیرہ کی طرف ہو۔ - ![ربن کیبل گروو بیس ہیٹ سے گزرتی ہوئی](../../../../../translated_images/ur/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![ربن کیبل گروو بیس ہیٹ سے گزرتی ہوئی](../../../../../translated_images/ur/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. ربن کیبل کو پائی کے کیمرہ پورٹ میں ڈالیں۔ ایک بار پھر، سیاہ پلاسٹک کلپ کو اوپر کھینچیں، کیبل ڈالیں، پھر کلپ کو واپس دھکیل دیں۔ کیبل کا نیلا حصہ USB اور ایتھرنیٹ پورٹس کی طرف ہونا چاہیے۔ - ![ربن کیبل پائی کے کیمرہ ساکٹ سے جڑی ہوئی](../../../../../translated_images/ur/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![ربن کیبل پائی کے کیمرہ ساکٹ سے جڑی ہوئی](../../../../../translated_images/ur/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. گروو بیس ہیٹ کو دوبارہ لگائیں۔ @@ -101,7 +101,7 @@ `camera.rotation = 0` لائن تصویر کی روٹیشن سیٹ کرتی ہے۔ ربن کیبل کیمرہ کے نیچے آتی ہے، لیکن اگر آپ نے کیمرہ کو گھمایا تاکہ وہ آسانی سے اس چیز کی طرف اشارہ کرے جسے آپ کلاسیفائی کرنا چاہتے ہیں، تو آپ اس لائن کو روٹیشن کے ڈگریز کے مطابق تبدیل کر سکتے ہیں۔ - ![کیمرہ مشروب کے کین کے اوپر لٹکا ہوا](../../../../../translated_images/ur/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![کیمرہ مشروب کے کین کے اوپر لٹکا ہوا](../../../../../translated_images/ur/pi-camera-upside-down.5376961ba3145988.webp) مثال کے طور پر، اگر آپ ربن کیبل کو کسی چیز کے اوپر معلق کریں تاکہ وہ کیمرہ کے اوپر ہو، تو روٹیشن کو 180 پر سیٹ کریں: diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 60f029db8..c46532aba 100644 --- a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ آپ لی گئی تصویر اور یہ اقدار **Predictions** ٹیب میں کسٹم وژن میں دیکھ سکیں گے۔ - ![کسٹم وژن میں ایک کیلا، 56.8% پر پکا ہوا اور 43.1% پر کچا ہونے کی پیش گوئی کی گئی](../../../../../translated_images/ur/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![کسٹم وژن میں ایک کیلا، 56.8% پر پکا ہوا اور 43.1% پر کچا ہونے کی پیش گوئی کی گئی](../../../../../translated_images/ur/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 آپ اس کوڈ کو [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) یا [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 2c9ad5ecc..6b19d51d5 100644 --- a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ CounterFit ایپ میں کیمرہ شامل کریں۔ 1. کیمرہ بنانے کے لیے **Add** بٹن منتخب کریں۔ - ![کیمرہ سیٹنگز](../../../../../translated_images/ur/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![کیمرہ سیٹنگز](../../../../../translated_images/ur/counterfit-create-camera.a5de97f59c0bd3cb.webp) کیمرہ بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![بنایا گیا کیمرہ](../../../../../translated_images/ur/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![بنایا گیا کیمرہ](../../../../../translated_images/ur/counterfit-camera.001ec52194c8ee5d.webp) ## کیمرہ پروگرام کریں @@ -103,7 +103,7 @@ CounterFit ایپ میں کیمرہ شامل کریں۔ 1. CounterFit میں کیمرہ کے لیے تصویر کو کنفیگر کریں۔ آپ *Source* کو *File* پر سیٹ کر سکتے ہیں، پھر ایک تصویر اپلوڈ کریں، یا *Source* کو *WebCam* پر سیٹ کریں، اور تصاویر آپ کے ویب کیم سے حاصل ہوں گی۔ یقینی بنائیں کہ تصویر منتخب کرنے یا ویب کیم منتخب کرنے کے بعد **Set** بٹن منتخب کریں۔ - ![CounterFit میں فائل کو امیج سورس کے طور پر سیٹ کیا گیا، اور ویب کیم میں ایک شخص کیلے کو پکڑے ہوئے دکھایا گیا](../../../../../translated_images/ur/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit میں فائل کو امیج سورس کے طور پر سیٹ کیا گیا، اور ویب کیم میں ایک شخص کیلے کو پکڑے ہوئے دکھایا گیا](../../../../../translated_images/ur/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. ایک تصویر حاصل کی جائے گی اور `image.jpg` کے طور پر موجودہ فولڈر میں محفوظ کی جائے گی۔ آپ یہ فائل VS Code ایکسپلورر میں دیکھیں گے۔ فائل منتخب کریں تاکہ تصویر دیکھ سکیں۔ اگر اسے روٹیشن کی ضرورت ہو، تو `camera.rotation = 0` لائن کو مناسب طریقے سے اپڈیٹ کریں اور دوبارہ تصویر لیں۔ diff --git a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index 13b22ef48..03f3ab7ba 100644 --- a/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/ur/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Custom Vision سروس میں ایک REST API موجود ہے جسے آپ Wio Te آپ Custom Vision کے **Predictions** tab میں لی گئی تصویر اور ان اقدار کو دیکھ سکیں گے۔ - ![ایک کیلا Custom Vision میں 56.8% پکا ہوا اور 43.1% کچا ہونے کی پیش گوئی کے ساتھ](../../../../../translated_images/ur/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![ایک کیلا Custom Vision میں 56.8% پکا ہوا اور 43.1% کچا ہونے کی پیش گوئی کے ساتھ](../../../../../translated_images/ur/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 آپ اس کوڈ کو [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index adcbf6898..be2cdc2e6 100644 --- a/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/ur/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # اپنے پھل کا ڈیٹیکٹر ایج پر چلائیں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-17.bc333c3c35ba8e42.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -33,11 +33,11 @@ ایج کمپیوٹنگ کا مطلب ہے کہ IoT ڈیٹا کو اس جگہ کے قریب ترین کمپیوٹرز پر پروسیس کیا جائے جہاں ڈیٹا پیدا ہوتا ہے۔ اس پروسیسنگ کو کلاؤڈ میں کرنے کے بجائے، اسے کلاؤڈ کے ایج پر منتقل کیا جاتا ہے - یعنی آپ کے اندرونی نیٹ ورک پر۔ -![ایک آرکیٹیکچر ڈایاگرام جو کلاؤڈ میں انٹرنیٹ سروسز اور لوکل نیٹ ورک پر IoT ڈیوائسز کو دکھاتا ہے](../../../../../translated_images/ur/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![ایک آرکیٹیکچر ڈایاگرام جو کلاؤڈ میں انٹرنیٹ سروسز اور لوکل نیٹ ورک پر IoT ڈیوائسز کو دکھاتا ہے](../../../../../translated_images/ur/cloud-without-edge.b4da641f6022c95e.webp) اب تک کے اسباق میں، آپ نے ڈیٹا جمع کرنے والے ڈیوائسز کو کلاؤڈ میں بھیجتے ہوئے دیکھا ہے تاکہ وہاں تجزیہ کیا جا سکے، اور کلاؤڈ میں سرور لیس فنکشنز یا AI ماڈلز چلائے جا سکیں۔ -![ایک آرکیٹیکچر ڈایاگرام جو لوکل نیٹ ورک پر IoT ڈیوائسز کو ایج ڈیوائسز سے جوڑتا ہے، اور وہ ایج ڈیوائسز کلاؤڈ سے جڑتی ہیں](../../../../../translated_images/ur/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![ایک آرکیٹیکچر ڈایاگرام جو لوکل نیٹ ورک پر IoT ڈیوائسز کو ایج ڈیوائسز سے جوڑتا ہے، اور وہ ایج ڈیوائسز کلاؤڈ سے جڑتی ہیں](../../../../../translated_images/ur/cloud-with-edge.1e26462c62c126fe.webp) ایج کمپیوٹنگ میں کلاؤڈ سروسز کو کلاؤڈ سے ہٹا کر ان کمپیوٹرز پر منتقل کیا جاتا ہے جو IoT ڈیوائسز کے ساتھ ایک ہی نیٹ ورک پر چل رہے ہیں، اور صرف ضرورت پڑنے پر کلاؤڈ سے رابطہ کرتے ہیں۔ مثال کے طور پر، آپ ایج ڈیوائسز پر AI ماڈلز چلا سکتے ہیں تاکہ پھلوں کی پختگی کا تجزیہ کیا جا سکے، اور صرف تجزیاتی ڈیٹا کلاؤڈ کو بھیج سکتے ہیں، جیسے کہ پکے اور کچے پھلوں کی تعداد۔ @@ -85,7 +85,7 @@ IoT سسٹمز کے لیے، آپ اکثر کلاؤڈ اور ایج کمپیوٹ ## Azure IoT Edge -![Azure IoT Edge کا لوگو](../../../../../translated_images/ur/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Azure IoT Edge کا لوگو](../../../../../translated_images/ur/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge ایک سروس ہے جو آپ کو ورک لوڈز کو کلاؤڈ سے ایج پر منتقل کرنے میں مدد دیتی ہے۔ آپ ایک ڈیوائس کو ایج ڈیوائس کے طور پر سیٹ اپ کرتے ہیں، اور کلاؤڈ سے اس ایج ڈیوائس پر کوڈ ڈیپلائے کر سکتے ہیں۔ یہ آپ کو کلاؤڈ اور ایج کی صلاحیتوں کو ملانے کی اجازت دیتا ہے۔ @@ -99,7 +99,7 @@ IoT Edge IoT Hub میں بنایا گیا ہے، لہذا آپ ایج ڈیوائ IoT Edge کو *کنٹینرز* سے کوڈ چلانے کے لیے استعمال کیا جاتا ہے - خود مختار ایپلیکیشنز جو آپ کے کمپیوٹر پر موجود دیگر ایپلیکیشنز سے الگ تھلگ چلائی جاتی ہیں۔ جب آپ ایک کنٹینر چلاتے ہیں، تو یہ آپ کے کمپیوٹر کے اندر ایک الگ کمپیوٹر کی طرح کام کرتا ہے، جس میں اپنا سافٹ ویئر، سروسز، اور ایپلیکیشنز چل رہی ہوتی ہیں۔ زیادہ تر وقت کنٹینرز آپ کے کمپیوٹر پر کسی چیز تک رسائی حاصل نہیں کر سکتے جب تک کہ آپ کسی چیز کو، جیسے کہ ایک فولڈر، کنٹینر کے ساتھ شیئر کرنے کا انتخاب نہ کریں۔ کنٹینر پھر ایک کھلے پورٹ کے ذریعے سروسز کو ظاہر کرتا ہے جس سے آپ جڑ سکتے ہیں یا اپنے نیٹ ورک پر ظاہر کر سکتے ہیں۔ -![ایک ویب درخواست کو کنٹینر کی طرف ری ڈائریکٹ کیا جا رہا ہے](../../../../../translated_images/ur/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![ایک ویب درخواست کو کنٹینر کی طرف ری ڈائریکٹ کیا جا رہا ہے](../../../../../translated_images/ur/container-web-browser.4ee81dd4f0d8838c.webp) مثال کے طور پر، آپ کے پاس ایک کنٹینر ہو سکتا ہے جس میں ایک ویب سائٹ پورٹ 80 پر چل رہی ہو، جو ڈیفالٹ HTTP پورٹ ہے، اور آپ اسے اپنے کمپیوٹر سے بھی پورٹ 80 پر ظاہر کر سکتے ہیں۔ @@ -185,11 +185,11 @@ IoT Edge ڈیوائس استعمال کرنے کے لیے، اسے IoT Hub می ## اپنے کنٹینر کو تعیناتی کے لیے تیار کریں -![کنٹینرز بنائے جاتے ہیں، پھر کنٹینر رجسٹری میں دھکیلے جاتے ہیں، پھر IoT Edge کے ذریعے edge device پر تعینات کیے جاتے ہیں](../../../../../translated_images/ur/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![کنٹینرز بنائے جاتے ہیں، پھر کنٹینر رجسٹری میں دھکیلے جاتے ہیں، پھر IoT Edge کے ذریعے edge device پر تعینات کیے جاتے ہیں](../../../../../translated_images/ur/container-edge-flow.c246050dd60ceefd.webp) جب آپ نے اپنا ماڈل ڈاؤنلوڈ کر لیا ہو، تو اسے ایک کنٹینر میں بنایا جانا چاہیے، پھر ایک کنٹینر رجسٹری میں دھکیلا جانا چاہیے - ایک آن لائن مقام جہاں آپ کنٹینرز کو ذخیرہ کر سکتے ہیں۔ IoT Edge پھر رجسٹری سے کنٹینر کو ڈاؤنلوڈ کر سکتا ہے اور اسے آپ کے ڈیوائس پر دھکیل سکتا ہے۔ -![Azure Container Registry کا لوگو](../../../../../translated_images/ur/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Azure Container Registry کا لوگو](../../../../../translated_images/ur/azure-container-registry-logo.09494206991d4b29.webp) اس سبق کے لیے آپ جو کنٹینر رجسٹری استعمال کریں گے وہ Azure Container Registry ہے۔ یہ ایک مفت سروس نہیں ہے، لہذا پیسے بچانے کے لیے یقینی بنائیں کہ آپ [اپنے پروجیکٹ کو صاف کریں](../../../clean-up.md) جب آپ کام ختم کر لیں۔ diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index e9d2871a0..13a05d692 100644 --- a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # سینسر سے پھلوں کے معیار کی جانچ شروع کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-18.92c32ed1d354caa5.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -39,7 +39,7 @@ IoT ایپلیکیشنز کو *چیزیں* (ڈیوائسز) کہا جا سکتا ### حوالہ IoT آرکیٹیکچر -![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture.2278b98b55c6d4e8.webp) اوپر دیا گیا خاکہ ایک حوالہ IoT آرکیٹیکچر دکھاتا ہے۔ @@ -49,7 +49,7 @@ IoT ایپلیکیشنز کو *چیزیں* (ڈیوائسز) کہا جا سکتا * **بصیرت** سرور لیس ایپلیکیشنز سے آتی ہیں، یا ذخیرہ شدہ ڈیٹا پر تجزیہ سے۔ * **عمل** ڈیوائسز کو بھیجے گئے کمانڈز ہو سکتے ہیں، یا ڈیٹا کی ویژولائزیشن جو انسانوں کو فیصلے کرنے کی اجازت دیتی ہے۔ -![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![ایک حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture-azure.0b8d2161af924cb1.webp) اوپر دیا گیا خاکہ ان اجزاء اور سروسز کو دکھاتا ہے جن کا ان اسباق میں احاطہ کیا گیا ہے اور وہ کس طرح حوالہ IoT آرکیٹیکچر میں جڑے ہوئے ہیں۔ @@ -89,7 +89,7 @@ IoT ایپلیکیشنز کو *چیزیں* (ڈیوائسز) کہا جا سکتا ### اپنی ایپلیکیشن کا پروٹوٹائپ بنانا -![پھلوں کے معیار کی جانچ کے لیے حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![پھلوں کے معیار کی جانچ کے لیے حوالہ IoT آرکیٹیکچر](../../../../../translated_images/ur/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) اوپر دیا گیا خاکہ اس پروٹوٹائپ ایپلیکیشن کے لیے حوالہ آرکیٹیکچر دکھاتا ہے۔ @@ -124,7 +124,7 @@ IoT ڈیوائس کو کسی قسم کے ٹرگر کی ضرورت ہوتی ہے پروٹوٹائپ پھلوں کے ڈیٹیکٹر میں متعدد اجزاء شامل ہیں جو ایک دوسرے کے ساتھ بات چیت کرتے ہیں۔ -![اجزاء ایک دوسرے کے ساتھ بات چیت کر رہے ہیں](../../../../../translated_images/ur/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![اجزاء ایک دوسرے کے ساتھ بات چیت کر رہے ہیں](../../../../../translated_images/ur/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * پروکسیمیٹی سینسر جو پھل کے فاصلے کی پیمائش کرتا ہے اور اسے IoT ہب کو بھیجتا ہے * کیمرہ کنٹرول کرنے کا کمانڈ IoT ہب سے کیمرہ ڈیوائس کو آتا ہے diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index 90a13da05..62c7b57bc 100644 --- a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Grove ٹائم آف فلائٹ سینسر کو راسپبیری پائی سے ج ٹائم آف فلائٹ سینسر کو جوڑیں۔ -![ایک Grove ٹائم آف فلائٹ سینسر](../../../../../translated_images/ur/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![ایک Grove ٹائم آف فلائٹ سینسر](../../../../../translated_images/ur/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. Grove کیبل کے ایک سرے کو ٹائم آف فلائٹ سینسر کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں داخل ہوگا۔ diff --git a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index be530a4e2..1e1ae991f 100644 --- a/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/ur/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ CounterFit ایپ میں ڈسٹنس سینسر شامل کریں۔ 1. ڈسٹنس سینسر بنانے کے لیے **Add** بٹن منتخب کریں۔ - ![ڈسٹنس سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![ڈسٹنس سینسر کی سیٹنگز](../../../../../translated_images/ur/counterfit-create-distance-sensor.967c9fb98f27888d.webp) ڈسٹنس سینسر بنایا جائے گا اور سینسرز کی فہرست میں ظاہر ہوگا۔ - ![ڈسٹنس سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![ڈسٹنس سینسر بنایا گیا](../../../../../translated_images/ur/counterfit-distance-sensor.079eefeeea0b68af.webp) ## ڈسٹنس سینسر کو پروگرام کریں diff --git a/translations/ur/5-retail/lessons/1-train-stock-detector/README.md b/translations/ur/5-retail/lessons/1-train-stock-detector/README.md index 3953cbe36..5892381f1 100644 --- a/translations/ur/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/ur/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # اسٹاک ڈیٹیکٹر کی تربیت کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-19.cf6973cecadf080c.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -36,7 +36,7 @@ امیج کلاسیفیکیشن تصویر کو مجموعی طور پر کلاسیفائی کرنے کے بارے میں ہے - تصویر کے ہر ٹیگ سے مطابقت رکھنے کے امکانات کیا ہیں۔ آپ کو ماڈل کو تربیت دینے کے لیے استعمال کیے گئے ہر ٹیگ کے امکانات واپس ملتے ہیں۔ -![کاجو اور ٹماٹر پیسٹ کی امیج کلاسیفیکیشن](../../../../../translated_images/ur/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![کاجو اور ٹماٹر پیسٹ کی امیج کلاسیفیکیشن](../../../../../translated_images/ur/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) اوپر دی گئی مثال میں، دو تصاویر کو ایک ماڈل کے ذریعے کلاسیفائی کیا گیا ہے جو کاجو کے ڈبے یا ٹماٹر پیسٹ کے کین کو کلاسیفائی کرنے کے لیے تربیت یافتہ ہے۔ پہلی تصویر کاجو کے ڈبے کی ہے، اور امیج کلاسیفائر کے دو نتائج ہیں: @@ -60,7 +60,7 @@ > 🎓 *باؤنڈنگ باکسز* وہ باکسز ہیں جو کسی شے کے ارد گرد ہوتے ہیں۔ -![کاجو اور ٹماٹر پیسٹ کی آبجیکٹ ڈیٹیکشن](../../../../../translated_images/ur/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![کاجو اور ٹماٹر پیسٹ کی آبجیکٹ ڈیٹیکشن](../../../../../translated_images/ur/object-detector-cashews-tomato.1af7c26686b4db0e.webp) اوپر دی گئی تصویر میں کاجو کے ڈبے اور ٹماٹر پیسٹ کے تین کین موجود ہیں۔ آبجیکٹ ڈیٹیکٹر نے کاجو کو پہچان لیا، اور باؤنڈنگ باکس واپس کیا جس میں کاجو کے ڈبے کے ہونے کا امکان 97.6% ہے۔ آبجیکٹ ڈیٹیکٹر نے ٹماٹر پیسٹ کے تین کین بھی پہچان لیے ہیں، اور تین الگ الگ باؤنڈنگ باکسز فراہم کیے ہیں، ہر ایک پتہ لگائے گئے کین کے لیے، اور ہر ایک کے پاس امکان ہے کہ باؤنڈنگ باکس میں ٹماٹر پیسٹ کا کین موجود ہے۔ @@ -111,7 +111,7 @@ جب آپ اپنا پروجیکٹ بنائیں، تو اس بات کو یقینی بنائیں کہ آپ نے پہلے بنایا گیا `stock-detector-training` ریسورس استعمال کیا ہے۔ *Object Detection* پروجیکٹ ٹائپ اور *Products on Shelves* ڈومین استعمال کریں۔ - ![Custom Vision پروجیکٹ کے لیے ترتیبات](../../../../../translated_images/ur/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Custom Vision پروجیکٹ کے لیے ترتیبات](../../../../../translated_images/ur/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ *Products on Shelves* ڈومین خاص طور پر اسٹور شیلف پر اسٹاک کا پتہ لگانے کے لیے بنایا گیا ہے۔ Microsoft Docs پر [Select a domain documentation](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection) میں مختلف ڈومینز کے بارے میں مزید پڑھیں۔ @@ -133,11 +133,11 @@ 1. Microsoft Docs پر [Build an object detector quickstart کے Upload and tag images سیکشن](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) کی پیروی کریں تاکہ اپنی تربیت کی تصاویر اپ لوڈ کی جا سکیں۔ ان اشیاء کی اقسام کے مطابق متعلقہ ٹیگز بنائیں جنہیں آپ پہچاننا چاہتے ہیں۔ - ![پکی اور کچی کیلے کی تصاویر اپ لوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/ur/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![پکی اور کچی کیلے کی تصاویر اپ لوڈ کرنے کے ڈائیلاگ](../../../../../translated_images/ur/image-upload-object-detector.77c7892c3093cb59.webp) جب آپ اشیاء کے لیے باؤنڈنگ باکسز بنائیں، تو انہیں شے کے ارد گرد سخت رکھیں۔ تمام تصاویر کو آؤٹ لائن کرنے میں وقت لگ سکتا ہے، لیکن ٹول ان باؤنڈنگ باکسز کا پتہ لگائے گا جو اسے لگتا ہے، جس سے یہ تیز تر ہو جائے گا۔ - ![ٹماٹر پیسٹ کو ٹیگ کرنا](../../../../../translated_images/ur/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![ٹماٹر پیسٹ کو ٹیگ کرنا](../../../../../translated_images/ur/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 اگر آپ کے پاس ہر شے کے لیے 15 سے زیادہ تصاویر ہیں، تو آپ 15 کے بعد تربیت دے سکتے ہیں اور **Suggested tags** فیچر استعمال کر سکتے ہیں۔ یہ تربیت یافتہ ماڈل کو بغیر ٹیگ والی تصویر میں اشیاء کا پتہ لگانے کے لیے استعمال کرے گا۔ آپ پھر پتہ لگائی گئی اشیاء کی تصدیق کر سکتے ہیں، یا مسترد کر کے باؤنڈنگ باکسز کو دوبارہ بنا سکتے ہیں۔ یہ *بہت* وقت بچا سکتا ہے۔ @@ -155,7 +155,7 @@ 1. **Quick Test** بٹن کا استعمال کرتے ہوئے ٹیسٹنگ تصاویر اپ لوڈ کریں اور تصدیق کریں کہ اشیاء کا پتہ لگایا گیا ہے۔ وہ ٹیسٹنگ تصاویر استعمال کریں جو آپ نے پہلے بنائی تھیں، تربیت کے لیے استعمال کی گئی تصاویر نہیں۔ - ![ٹماٹر پیسٹ کے 3 کین کا پتہ لگایا گیا، امکانات 38%, 35.5% اور 34.6%](../../../../../translated_images/ur/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![ٹماٹر پیسٹ کے 3 کین کا پتہ لگایا گیا، امکانات 38%, 35.5% اور 34.6%](../../../../../translated_images/ur/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. آپ کے پاس موجود تمام ٹیسٹنگ تصاویر آزمائیں اور امکانات کا مشاہدہ کریں۔ diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/README.md b/translations/ur/5-retail/lessons/2-check-stock-device/README.md index 7437d6f04..4109c6105 100644 --- a/translations/ur/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/ur/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # آئی او ٹی ڈیوائس سے اسٹاک چیک کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-20.0211df9551a8abb3.webp) > خاکہ: [نیتیا نرسمہن](https://github.com/nitya)۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔ @@ -62,7 +62,7 @@ 1. ورژن کے لیے **Publish** بٹن منتخب کریں۔ - ![پبلش بٹن](../../../../../translated_images/ur/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![پبلش بٹن](../../../../../translated_images/ur/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. *Publish Model* ڈائیلاگ میں، *Prediction resource* کو `stock-detector-prediction` ریسورس پر سیٹ کریں جو آپ نے پچھلے سبق میں بنایا تھا۔ نام کو `Iteration2` کے طور پر چھوڑ دیں، اور **Publish** بٹن منتخب کریں۔ @@ -76,7 +76,7 @@ *Prediction-Key* ویلیو کی بھی ایک کاپی لیں۔ یہ ایک محفوظ کلید ہے جسے آپ کو ماڈل کو کال کرتے وقت پاس کرنا ہوگا۔ صرف وہی ایپلیکیشنز جو اس کلید کو پاس کرتی ہیں ماڈل استعمال کرنے کی اجازت رکھتی ہیں، دیگر تمام ایپلیکیشنز کو مسترد کر دیا جاتا ہے۔ - ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/ur/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![پیش گوئی API ڈائیلاگ جو URL اور کلید دکھا رہا ہے](../../../../../translated_images/ur/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ جب ایک نیا ورژن شائع ہوتا ہے، تو اس کا نام مختلف ہوگا۔ آپ کے خیال میں آپ آئی او ٹی ڈیوائس کو کیسے تبدیل کریں گے تاکہ وہ نیا ورژن استعمال کرے؟ @@ -95,7 +95,7 @@ کسٹم وژن میں **Predictions** ٹیب میں پیش گوئی کے نتائج میں باؤنڈنگ باکسز اس تصویر پر کھینچے جاتے ہیں جو پیش گوئی کے لیے بھیجی گئی تھی۔ -![شیلف پر 4 ٹماٹر پیسٹ کے کین، پیش گوئی کے ساتھ 4 ڈیٹیکشنز کے لیے 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![شیلف پر 4 ٹماٹر پیسٹ کے کین، پیش گوئی کے ساتھ 4 ڈیٹیکشنز کے لیے 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca341.webp) اوپر دی گئی تصویر میں، 4 ٹماٹر پیسٹ کے کین کا پتہ لگایا گیا۔ نتائج میں ہر ڈیٹیکٹ کیے گئے آبجیکٹ کے لیے تصویر پر ایک سرخ مربع اوورلے کیا گیا ہے، جو تصویر کے لیے باؤنڈنگ باکس کی نشاندہی کرتا ہے۔ @@ -103,7 +103,7 @@ باؤنڈنگ باکسز 4 ویلیوز کے ساتھ بیان کیے جاتے ہیں - اوپر، بائیں، اونچائی اور چوڑائی۔ یہ ویلیوز 0-1 کے پیمانے پر ہوتی ہیں، جو تصویر کے سائز کے فیصد کے طور پر پوزیشنز کی نمائندگی کرتی ہیں۔ اصل (0,0 پوزیشن) تصویر کے اوپر بائیں طرف ہے، لہذا اوپر کی ویلیو اوپر سے فاصلہ ہے، اور باؤنڈنگ باکس کا نیچے اوپر کے ساتھ اونچائی کے برابر ہے۔ -![ٹماٹر پیسٹ کے کین کے ارد گرد ایک باؤنڈنگ باکس](../../../../../translated_images/ur/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![ٹماٹر پیسٹ کے کین کے ارد گرد ایک باؤنڈنگ باکس](../../../../../translated_images/ur/bounding-box.1420a7ea0d3d15f7.webp) اوپر دی گئی تصویر 600 پکسلز چوڑی اور 800 پکسلز لمبی ہے۔ باؤنڈنگ باکس 320 پکسلز نیچے سے شروع ہوتا ہے، جس سے اوپر کا کوآرڈینیٹ 0.4 بنتا ہے (800 x 0.4 = 320)۔ بائیں طرف سے، باؤنڈنگ باکس 240 پکسلز سے شروع ہوتا ہے، جس سے بائیں کوآرڈینیٹ 0.4 بنتا ہے (600 x 0.4 = 240)۔ باؤنڈنگ باکس کی اونچائی 240 پکسلز ہے، جس سے اونچائی کی ویلیو 0.3 بنتی ہے (800 x 0.3 = 240)۔ باؤنڈنگ باکس کی چوڑائی 120 پکسلز ہے، جس سے چوڑائی کی ویلیو 0.2 بنتی ہے (600 x 0.2 = 120)۔ @@ -118,7 +118,7 @@ آپ باؤنڈنگ باکسز کو امکانات کے ساتھ ملا کر ڈیٹیکشن کی درستگی کا جائزہ لے سکتے ہیں۔ مثال کے طور پر، ایک آبجیکٹ ڈیٹیکٹر متعدد آبجیکٹس کا پتہ لگا سکتا ہے جو ایک دوسرے کے اوپر ہیں، جیسے ایک کین دوسرے کے اندر ڈیٹیکٹ کرنا۔ آپ کا کوڈ باؤنڈنگ باکسز کو دیکھ سکتا ہے، سمجھ سکتا ہے کہ یہ ناممکن ہے، اور کسی بھی آبجیکٹ کو نظر انداز کر سکتا ہے جو دوسرے آبجیکٹس کے ساتھ نمایاں طور پر اوورلیپ کرتا ہے۔ -![ٹماٹر پیسٹ کے کین کے ارد گرد دو اوورلیپنگ باؤنڈنگ باکسز](../../../../../translated_images/ur/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![ٹماٹر پیسٹ کے کین کے ارد گرد دو اوورلیپنگ باؤنڈنگ باکسز](../../../../../translated_images/ur/overlap-object-detection.d431e03cae75072a.webp) اوپر دی گئی مثال میں، ایک باؤنڈنگ باکس نے 78.3% امکان کے ساتھ ٹماٹر پیسٹ کے کین کی پیش گوئی کی۔ دوسرا باؤنڈنگ باکس تھوڑا چھوٹا ہے، اور پہلے باؤنڈنگ باکس کے اندر ہے جس کا امکان 64.3% ہے۔ آپ کا کوڈ باؤنڈنگ باکسز کو چیک کر سکتا ہے، دیکھ سکتا ہے کہ وہ مکمل طور پر اوورلیپ کرتے ہیں، اور کم امکان کو نظر انداز کر سکتا ہے کیونکہ ایک کین دوسرے کے اندر نہیں ہو سکتا۔ diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 6420c8363..b1961fbe8 100644 --- a/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/ur/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ آپ وہ امیج دیکھ سکیں گے جو لیا گیا تھا، اور یہ ویلیوز **Predictions** ٹیب میں Custom Vision میں دیکھ سکیں گے۔ - ![شیلف پر 4 ٹماٹر پیسٹ کے کینز کے ساتھ پیشگوئیوں کے لیے 4 ڈیٹیکشنز: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![شیلف پر 4 ٹماٹر پیسٹ کے کینز کے ساتھ پیشگوئیوں کے لیے 4 ڈیٹیکشنز: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 آپ یہ کوڈ [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) یا [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index 936b8a4cc..1f3c016f3 100644 --- a/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/ur/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ آپ وہ تصویر دیکھ سکیں گے جو لی گئی تھی، اور یہ ویلیوز **Predictions** ٹیب میں Custom Vision میں نظر آئیں گی۔ - ![شیلف پر رکھے ٹماٹر پیسٹ کے 4 کینز کے ساتھ 4 ڈیٹیکشنز کی پیشگوئیاں: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![شیلف پر رکھے ٹماٹر پیسٹ کے 4 کینز کے ساتھ 4 ڈیٹیکشنز کی پیشگوئیاں: 35.8%, 33.5%, 25.7% اور 16.6%](../../../../../translated_images/ur/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 آپ یہ کوڈ [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) فولڈر میں تلاش کر سکتے ہیں۔ diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/README.md b/translations/ur/6-consumer/lessons/1-speech-recognition/README.md index 7293ff611..e74618869 100644 --- a/translations/ur/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/ur/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # آئی او ٹی ڈیوائس کے ساتھ تقریر کو پہچاننا -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-21.e34de51354d6606f.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -51,7 +51,7 @@ ڈائنامک مائیکروفونز کو کام کرنے کے لیے بجلی کی ضرورت نہیں ہوتی، برقی سگنل مکمل طور پر مائیکروفون سے پیدا ہوتا ہے۔ - ![پیٹی اسمتھ ایک شور SM58 (ڈائنامک کارڈیوئڈ قسم) مائیکروفون میں گاتے ہوئے](../../../../../translated_images/ur/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![پیٹی اسمتھ ایک شور SM58 (ڈائنامک کارڈیوئڈ قسم) مائیکروفون میں گاتے ہوئے](../../../../../translated_images/ur/dynamic-mic.8babac890a2d80df.webp) * ربن - ربن مائیکروفونز ڈائنامک مائیکروفونز سے ملتے جلتے ہیں، سوائے اس کے کہ ان میں ڈایافرام کی جگہ دھات کا ربن ہوتا ہے۔ یہ ربن ایک مقناطیسی میدان میں حرکت کرتے ہوئے برقی کرنٹ پیدا کرتا ہے۔ ڈائنامک مائیکروفونز کی طرح، ربن مائیکروفونز کو بھی کام کرنے کے لیے بجلی کی ضرورت نہیں ہوتی۔ @@ -59,11 +59,11 @@ * کنڈینسر - کنڈینسر مائیکروفونز میں ایک پتلا دھاتی ڈایافرام اور ایک مقررہ دھاتی بیک پلیٹ ہوتی ہے۔ ان دونوں پر بجلی لگائی جاتی ہے، اور جیسے ہی ڈایافرام حرکت کرتا ہے، پلیٹوں کے درمیان جامد چارج میں تبدیلی آتی ہے، جو سگنل پیدا کرتی ہے۔ کنڈینسر مائیکروفونز کو کام کرنے کے لیے بجلی کی ضرورت ہوتی ہے، جسے *فینٹم پاور* کہا جاتا ہے۔ - ![AKG Acoustics کا C451B چھوٹے ڈایافرام والا کنڈینسر مائیکروفون](../../../../../translated_images/ur/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![AKG Acoustics کا C451B چھوٹے ڈایافرام والا کنڈینسر مائیکروفون](../../../../../translated_images/ur/condenser-mic.6f6ed5b76ca19e0e.webp) * میمز - مائیکروالیکٹرو مکینیکل سسٹمز مائیکروفونز، یا MEMS، چپ پر موجود مائیکروفونز ہیں۔ ان میں ایک دباؤ حساس ڈایافرام ہوتا ہے جو سلیکون چپ پر کندہ ہوتا ہے، اور یہ کنڈینسر مائیکروفون کی طرح کام کرتے ہیں۔ یہ مائیکروفونز بہت چھوٹے ہو سکتے ہیں اور سرکٹری میں ضم کیے جا سکتے ہیں۔ - ![ایک سرکٹ بورڈ پر MEMS مائیکروفون](../../../../../translated_images/ur/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![ایک سرکٹ بورڈ پر MEMS مائیکروفون](../../../../../translated_images/ur/mems-microphone.80574019e1f5e4d9.webp) اوپر دی گئی تصویر میں، **LEFT** کے لیبل والا چپ ایک MEMS مائیکروفون ہے، جس کا ڈایافرام ایک ملی میٹر سے بھی کم چوڑا ہے۔ @@ -159,7 +159,7 @@ ## اسپیک کو ٹیکسٹ میں تبدیل کریں -![اسپیک سروسز لوگو](../../../../../translated_images/ur/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![اسپیک سروسز لوگو](../../../../../translated_images/ur/azure-speech-logo.a1f08c4befb0159f.webp) بالکل اسی طرح جیسے ایک پہلے پروجیکٹ میں امیج کلاسیفیکیشن کے ساتھ، پہلے سے تیار شدہ AI سروسز موجود ہیں جو آڈیو فائل کو اسپیک کے طور پر لے کر اسے ٹیکسٹ میں تبدیل کر سکتی ہیں۔ ان میں سے ایک سروس اسپیک سروس ہے، جو Cognitive Services کا حصہ ہے، پہلے سے تیار شدہ AI سروسز جو آپ اپنی ایپس میں استعمال کر سکتے ہیں۔ diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md index af8d73d69..a04f0c492 100644 --- a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ #### کام - بٹن کو جوڑیں -![ایک Grove بٹن](../../../../../translated_images/ur/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![ایک Grove بٹن](../../../../../translated_images/ur/grove-button.a70cfbb809a85636.webp) 1. Grove کیبل کے ایک سرے کو بٹن ماڈیول کے ساکٹ میں ڈالیں۔ یہ صرف ایک ہی سمت میں جائے گا۔ 1. راسپبیری پائی کو بند حالت میں رکھتے ہوئے، Grove کیبل کے دوسرے سرے کو Grove Base HAT پر **D5** کے نشان والے ڈیجیٹل ساکٹ میں جوڑیں۔ یہ ساکٹ GPIO پنز کے ساتھ والی قطار میں بائیں جانب سے دوسرا ہے۔ -![Grove بٹن D5 ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove بٹن D5 ساکٹ سے جڑا ہوا](../../../../../translated_images/ur/pi-button.c7a1a4f55943341c.webp) ## آڈیو ریکارڈ کریں diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md index 430d21f55..cc45fac77 100644 --- a/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/ur/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ 1. اگر آپ ری اسپیکر 2-مائکس پائی ہیٹ استعمال کر رہے ہیں، تو آپ گروو بیس ہیٹ کو ہٹا سکتے ہیں، پھر ری اسپیکر ہیٹ کو اس کی جگہ لگا سکتے ہیں۔ - ![ری اسپیکر ہیٹ کے ساتھ ایک راسپبیری پائی](../../../../../translated_images/ur/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![ری اسپیکر ہیٹ کے ساتھ ایک راسپبیری پائی](../../../../../translated_images/ur/pi-respeaker-hat.f00fabe7dd039a93.webp) آپ کو اس سبق کے بعد ایک گروو بٹن کی ضرورت ہوگی، لیکن یہ ہیٹ میں بلٹ ان ہے، لہذا گروو بیس ہیٹ کی ضرورت نہیں ہے۔ diff --git a/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index fe7eac9ce..dc02f5718 100644 --- a/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/ur/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ ✅ DMAC کے بارے میں مزید پڑھیں [ویکیپیڈیا پر ڈائریکٹ میموری ایکسیس صفحہ](https://wikipedia.org/wiki/Direct_memory_access)۔ -![مائیک سے آڈیو ADC میں جاتا ہے پھر DMAC میں۔ یہ ایک بفر میں لکھتا ہے۔ جب یہ بفر بھر جاتا ہے، تو اسے پروسیس کیا جاتا ہے اور DMAC دوسرے بفر میں لکھتا ہے](../../../../../translated_images/ur/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![مائیک سے آڈیو ADC میں جاتا ہے پھر DMAC میں۔ یہ ایک بفر میں لکھتا ہے۔ جب یہ بفر بھر جاتا ہے، تو اسے پروسیس کیا جاتا ہے اور DMAC دوسرے بفر میں لکھتا ہے](../../../../../translated_images/ur/dmac-adc-buffers.4509aee49145c90b.webp) DMAC ADC سے آڈیو کو مقررہ وقفوں پر کیپچر کر سکتا ہے، جیسے 16KHz آڈیو کے لیے فی سیکنڈ 16,000 بار۔ یہ کیپچر شدہ ڈیٹا کو پہلے سے مختص میموری بفر میں لکھ سکتا ہے، اور جب یہ بھر جائے تو آپ کے کوڈ کو پروسیس کرنے کے لیے دستیاب کر سکتا ہے۔ اس میموری کا استعمال آڈیو کیپچر میں تاخیر کر سکتا ہے، لیکن آپ متعدد بفرز سیٹ کر سکتے ہیں۔ DMAC بفر 1 میں لکھتا ہے، پھر جب یہ بھر جاتا ہے، آپ کے کوڈ کو بفر 1 پروسیس کرنے کے لیے مطلع کرتا ہے، جبکہ DMAC بفر 2 میں لکھتا ہے۔ جب بفر 2 بھر جاتا ہے، تو یہ آپ کے کوڈ کو مطلع کرتا ہے، اور واپس بفر 1 میں لکھنے کے لیے جاتا ہے۔ اس طرح جب تک آپ ہر بفر کو بھرنے میں لگنے والے وقت سے کم وقت میں پروسیس کرتے ہیں، آپ کوئی ڈیٹا نہیں کھوئیں گے۔ diff --git a/translations/ur/6-consumer/lessons/2-language-understanding/README.md b/translations/ur/6-consumer/lessons/2-language-understanding/README.md index 53c2f5b5d..449126910 100644 --- a/translations/ur/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/ur/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # زبان کو سمجھنا -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-22.6148ea28500d9e00.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -46,7 +46,7 @@ ## زبان کو سمجھنے والا ماڈل بنائیں -![LUIS کا لوگو](../../../../../translated_images/ur/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![LUIS کا لوگو](../../../../../translated_images/ur/luis-logo.5cb4f3e88c020ee6.webp) آپ LUIS کا استعمال کرتے ہوئے زبان کو سمجھنے والے ماڈلز بنا سکتے ہیں، جو Microsoft کی Cognitive Services کا حصہ ہے۔ @@ -169,7 +169,7 @@ LUIS پورٹل استعمال کرنے کے لیے ہدایات Microsoft Docs 1. جب آپ ہر مثال درج کریں، تو LUIS اداروں کا پتہ لگانا شروع کرے گا، اور کسی بھی ادارے کو انڈر لائن اور لیبل کرے گا۔ - ![LUIS کے ذریعے مثالوں میں نمبر اور وقت کی اکائیوں کو انڈر لائن کیا گیا](../../../../../translated_images/ur/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![LUIS کے ذریعے مثالوں میں نمبر اور وقت کی اکائیوں کو انڈر لائن کیا گیا](../../../../../translated_images/ur/luis-intent-examples.25716580b2d2723c.webp) ### کام - ماڈل کو تربیت دیں اور جانچ کریں diff --git a/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md b/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md index 858fdbb45..f0b22b0bc 100644 --- a/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/ur/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # ٹائمر سیٹ کریں اور زبانی فیڈبیک فراہم کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-23.f38483e1d4df4828.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی جانب سے۔ تصویر پر کلک کریں تاکہ بڑا ورژن دیکھ سکیں۔ diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md index a24c2a7a2..22f0a28d3 100644 --- a/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # متعدد زبانوں کی حمایت کریں -![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![اس سبق کا خاکہ](../../../../../translated_images/ur/lesson-24.4246968ed058510a.webp) > خاکہ [نیتیا نرسمہن](https://github.com/nitya) کی طرف سے۔ بڑی تصویر دیکھنے کے لیے تصویر پر کلک کریں۔ @@ -74,7 +74,7 @@ ### Cognitive services اسپیک سروس -![اسپیک سروس کا لوگو](../../../../../translated_images/ur/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![اسپیک سروس کا لوگو](../../../../../translated_images/ur/azure-speech-logo.a1f08c4befb0159f.webp) پچھلے اسباق میں آپ نے جو اسپیک سروس استعمال کی ہے اس میں اسپیک کی پہچان کے لیے ترجمہ کی صلاحیتیں موجود ہیں۔ جب آپ اسپیک کو پہچانتے ہیں، تو آپ نہ صرف اسی زبان میں اسپیک کا ٹیکسٹ بلکہ دیگر زبانوں میں بھی درخواست کر سکتے ہیں۔ @@ -82,7 +82,7 @@ ### Cognitive services مترجم سروس -![مترجم سروس کا لوگو](../../../../../translated_images/ur/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![مترجم سروس کا لوگو](../../../../../translated_images/ur/azure-translator-logo.c6ed3a4a433edfd2.webp) مترجم سروس ایک مخصوص ترجمہ سروس ہے جو ایک زبان سے دوسری زبان یا ایک سے زیادہ ہدف زبانوں میں ٹیکسٹ کا ترجمہ کر سکتی ہے۔ ترجمہ کے علاوہ، یہ اضافی خصوصیات کی وسیع رینج کی حمایت کرتی ہے، جیسے گالیوں کو چھپانا۔ یہ آپ کو کسی خاص لفظ یا جملے کے لیے مخصوص ترجمہ فراہم کرنے کی اجازت بھی دیتا ہے، تاکہ ایسے الفاظ کے ساتھ کام کیا جا سکے جنہیں آپ ترجمہ نہیں کرنا چاہتے، یا ایک مخصوص معروف ترجمہ ہو۔ diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 36234e698..5125980ad 100644 --- a/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ > > مثال کے طور پر، اگر آپ نے LUIS کو انگریزی میں تربیت دی ہے لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملوں جیسے "set a 2 minute and 27 second timer" کو انگریزی سے فرانسیسی میں بنگ ٹرانسلیٹ کے ذریعے ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن کا استعمال کرتے ہوئے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔ > - > ![بنگ ٹرانسلیٹ پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![بنگ ٹرانسلیٹ پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a9.webp) 1. `speech_api_key` کے نیچے مترجم API کلید شامل کریں: diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 59d057687..ffcdbca95 100644 --- a/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ > > مثال کے طور پر، اگر آپ نے LUIS کو انگریزی میں تربیت دی ہے لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملے جیسے "set a 2 minute and 27 second timer" کو Bing Translate کے ذریعے انگریزی سے فرانسیسی میں ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن استعمال کر کے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔ > - > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a9.webp) 1. `recognizer_config` اور `recognizer` کے اعلانات کو درج ذیل سے تبدیل کریں: diff --git a/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index 3ab036560..c0dc36685 100644 --- a/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/ur/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ > > مثال کے طور پر، اگر آپ LUIS کو انگریزی میں تربیت دیتے ہیں، لیکن صارف کی زبان کے طور پر فرانسیسی استعمال کرنا چاہتے ہیں، تو آپ جملے جیسے "set a 2 minute and 27 second timer" کو Bing Translate کا استعمال کرتے ہوئے انگریزی سے فرانسیسی میں ترجمہ کر سکتے ہیں، پھر **Listen translation** بٹن کا استعمال کرتے ہوئے ترجمہ کو اپنے مائیکروفون میں بول سکتے ہیں۔ > - > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Bing Translate پر Listen translation بٹن](../../../../../translated_images/ur/bing-translate.348aa796d6efe2a9.webp) 1. `SPEECH_LOCATION` کے نیچے مترجم API کلید اور مقام شامل کریں: diff --git a/translations/ur/README.md b/translations/ur/README.md index b3f334c14..f288355fa 100644 --- a/translations/ur/README.md +++ b/translations/ur/README.md @@ -1,119 +1,160 @@ -### ایزور اے آئی فاؤنڈری کمیونٹی میں شامل ہوں +[![GitHub license](https://img.shields.io/github/license/microsoft/IoT-For-Beginners.svg)](https://github.com/microsoft/IoT-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/IoT-For-Beginners.svg)](https://GitHub.com/microsoft/IoT-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -اگر آپ روکے ہوئے ہیں یا اے آئی ایپس بنانے کے بارے میں کوئی سوالات ہیں۔ ہم تعلیم حاصل کرنے والوں اور تجربہ کار ڈویلپرز کو ایم سی پی پر تبادلہ خیالات کے لیے مدعو کرتے ہیں۔ یہ ایک معاون کمیونٹی ہے جہاں سوالات خوش آمدید ہیں اور علم آزادانہ طور پر شیئر کیا جاتا ہے۔ +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/IoT-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/IoT-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/IoT-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/IoT-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/IoT-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/IoT-For-Beginners/stargazers/) -اگر آپ کے پاس پروڈکٹ فیڈبیک ہے یا بناتے وقت کوئی غلطیاں آئیں تو یہاں جائیں: +### ایزور اے آئی فاونڈری کمیونٹی میں شامل ہوں -ان وسائل کو استعمال کرتے ہوئے شروع کرنے کے لیے یہ اقدامات کریں: -1. **ریپوزٹری کو فورک کریں**: کلک کریں -2. **ریپوزٹری کلون کریں**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. **مائیکروسافٹ فاؤنڈری ڈسکارڈ میں شامل ہوں اور ماہرین و ساتھی ڈویلپرز سے ملیں** +اگر آپ پھنس جائیں یا AI ایپس بنانے کے بارے میں کوئی سوال ہو۔ ساتھی سیکھنے والوں اور تجربہ کار ڈویلپرز کے ساتھ MCP پر مباحثوں میں شامل ہوں۔ یہ ایک مددگار کمیونٹی ہے جہاں سوالات خوش آمدید کہلاتے ہیں اور علم بلا جھجھک شیئر کیا جاتا ہے۔ -### 🌐 کثیراللسانی معاونت +[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -#### گٹ ہب ایکشن کے ذریعے سپورٹ شدہ (خودکار اور ہمیشہ اپ ٹو ڈیٹ) +اگر آپ کو پروڈکٹ فیڈ بیک یا تعمیر کے دوران غلطیاں پیش آئیں تو ملاحظہ کریں: -> **مقامی طور پر کلون کرنا پسند ہے؟** +[![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) -> یہ ذخیرہ 50 سے زائد زبانوں کے تراجم شامل کرتا ہے جو ڈاؤن لوڈ کے حجم کو نمایاں طور پر بڑھاتا ہے۔ بغیر تراجم کے کلون کرنے کے لیے، اسپارس چیک آؤٹ استعمال کریں: -> یہ آپ کو کورس مکمل کرنے کے لیے ہر وہ چیز مہیا کرتا ہے جس کی آپ کو ضرورت ہے، ایک بہت تیز ڈاؤن لوڈ کے ساتھ۔ +ان وسائل کو استعمال شروع کرنے کے لئے یہ اقدامات کریں: +1. **ریزپوزیٹری کو فورک کریں**: کلک کریں [![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. **ریزپوزیٹری کلون کریں**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**مائیکروسافٹ فاونڈری ڈسکارڈ میں شامل ہوں اور ماہرین اور دیگر ڈویلپرز سے ملیں**](https://discord.com/invite/ByRwuEEgH4) -# IoT برائے مبتدی - نصاب -مائیکروسافٹ کے ایزور کلاؤڈ ایڈووکیٹز خوش ہیں کہ وہ 12 ہفتوں، 24 سبق پر مشتمل نصاب پیش کر رہے ہیں جو IoT کی بنیادی باتوں پر مبنی ہے۔ ہر سبق میں پیشگی اور بعد از سبق کوئزز، سبق مکمل کرنے کی تحریری ہدایات، حل، ایک اسائنمنٹ اور مزید شامل ہیں۔ ہمارا پروجیکٹ پر مبنی طریقہ تعلیم آپ کو بنانے کے دوران سکھانے کا موقع دیتا ہے، جو نئی مہارتوں کو مستقل بنانے کا ثابت شدہ طریقہ ہے۔ +### 🌐 متعدد زبانوں کی حمایت -یہ پروجیکٹس کھانے کے سفر کو کھیت سے میز تک بیان کرتے ہیں۔ اس میں فارمنگ، لاجسٹکس، مینوفیکچرنگ، ریٹیل اور صارف شامل ہیں — یہ سب IoT ڈیوائسز کے لیے مقبول صنعتی شعبے ہیں۔ +#### GitHub ایکشن کے ذریعے حمایت یافتہ (خودکار اور ہمیشہ تازہ ترین) -> نقشہ کورس کے 24 اسباق دکھاتا ہے جو تعارف، کاشتکاری، نقل و حمل، پراسیسنگ، ریٹیل اور کھانا پکانے پر مشتمل ہیں + +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../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](./README.md) | [Vietnamese](../vi/README.md) -**ہمارے مصنفین [Jen Fox](https://github.com/jenfoxbot)، [Jen Looper](https://github.com/jlooper)، [Jim Bennett](https://github.com/jimbobbennett)، اور ہمارے اسکیچ نوٹ آرٹسٹ [Nitya Narasimhan](https://github.com/nitya) کا دلی شکریہ۔** +> **کیا آپ لوکل کلون کرنا پسند کریں گے؟** +> +> یہ ریزپوزیٹری 50 سے زائد زبانوں کے تراجم پر مشتمل ہے جس کی وجہ سے ڈاؤن لوڈ کا سائز زیادہ ہو جاتا ہے۔ تراجم کے بغیر کلون کرنے کے لیے، sparse checkout استعمال کریں: +> +> **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' +> ``` +> +> **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" +> ``` +> +> یہ آپ کو ایک تیز تر ڈاؤن لوڈ کے ساتھ کورس مکمل کرنے کے لیے ضروری سب کچھ مہیا کرتا ہے۔ + + +# IoT ابتدائی افراد کے لیے - ایک نصاب + +مائیکروسافٹ کے ایزور کلاؤڈ ایڈووکیٹس خوش ہیں کہ وہ 12 ہفتوں، 24 اسباق پر مشتمل نصاب پیش کر رہے ہیں جو IoT کی بنیادی باتوں پر مشتمل ہے۔ ہر سبق میں پری اور پوسٹ-سبق کوئزز، سبق مکمل کرنے کی تحریری ہدایات، حل، ایک اسائنمنٹ اور بہت کچھ شامل ہے۔ ہماری پراجیکٹ کی بنیاد پر تعلیم آپ کو بناتے ہوئے سیکھنے کی اجازت دیتی ہے، جو نئی مہارتوں کو مستحکم کرنے کا ایک مؤثر طریقہ ہے۔ + +پراجیکٹس کھانے کی چیزوں کے کھیت سے لے کر میز تک کے سفر پر مشتمل ہیں۔ اس میں کاشتکاری، لاجسٹکس، مینوفیکچرنگ، ریٹیل اور صارف شامل ہیں - IoT ڈیوائسز کے لئے تمام مشہور صنعتی شعبے۔ + +![کورس کے لیے ایک روڈ میپ جس میں 24 اسباق شامل ہیں جو تعارف، کاشتکاری، نقل و حمل، پراسیسنگ، ریٹیل اور پکوان کو ظاہر کر رہا ہے](../../translated_images/ur/Roadmap.bb1dec285dda0eda.webp) + +> اسکیچنوٹ [Nitya Narasimhan](https://github.com/nitya) کی طرف سے۔ تصویر پر کلک کر کے بڑا ورژن دیکھیں۔ -**ہمارے [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) کی ٹیم کا بھی شکریہ جنہوں نے اس نصاب کا ریویو کیا اور ترجمہ کیا — [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)، اور [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)۔** +**ہمارے مصنفین [Jen Fox](https://github.com/jenfoxbot)، [Jen Looper](https://github.com/jlooper)، [Jim Bennett](https://github.com/jimbobbennett)، اور ہمارے اسکیچنوٹ آرٹسٹ [Nitya Narasimhan](https://github.com/nitya) کا دلی شکریہ۔** -ٹیم سے ملو! +**شکریہ ادا کرتے ہیں ہماری ٹیم کے [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) کا جنہوں نے اس نصاب کا جائزہ لیا اور ترجمہ کیا ہے - [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), اور [Zina Kamel](https://www.linkedin.com/in/zina-kamel/).** -> 🎥 پروجیکٹ کے بارے میں ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں! +ٹیم سے ملیں! -> **اساتذہ**، ہم نے [اصرار شامل کیے ہیں](for-teachers.md) کہ اس نصاب کو کیسے استعمال کیا جائے۔ اگر آپ اپنا سبق بنانا چاہتے ہیں تو ہم نے ایک [سبق کا سانچہ](lesson-template/README.md) بھی شامل کیا ہے۔ +[![Promo video](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -> **[طلباء](https://aka.ms/student-page)**، اس نصاب کو خود استعمال کرنے کے لیے، پوری ریپوزٹری فورک کریں اور مشقیں خود مکمل کریں، پہلے پری لیکچر کوئز کے ساتھ، پھر لیکچر پڑھیں اور باقی سرگرمیاں مکمل کریں۔ حل کاپی کرنے کے بجائے پروجیکٹس بنانے کی کوشش کریں؛ تاہم حل کا کوڈ ہر پروجیکٹ-مرکوز سبق کے /solutions فولڈر میں دستیاب ہے۔ آپ دوستوں کے ساتھ اسٹڈی گروپ بنا کر مواد کو ایک ساتھ بھی دیکھ سکتے ہیں۔ مزید مطالعے کے لیے، ہم [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) کی سفارش کرتے ہیں۔ +**گیف از** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) + +> 🎥 پروجیکٹ کے بارے میں ویڈیو دیکھنے کے لیے اوپر تصویر پر کلک کریں! + +> **اساتذہ**، ہم نے [کچھ مشورے شامل کیے ہیں](for-teachers.md) کہ اس نصاب کو کیسے استعمال کریں۔ اگر آپ اپنا سبق تیار کرنا چاہتے ہیں، ہم نے ایک [سبق کا ٹیمپلیٹ](lesson-template/README.md) بھی شامل کیا ہے۔ + +> **[طلباء](https://aka.ms/student-page)**، اس نصاب کو خود استعمال کرنے کے لیے، پورے رپوزیٹری کو فورک کریں اور مشقیں خود مکمل کریں، پری لیکچر کوئز سے شروع کریں، پھر لیکچر پڑھیں اور باقی سرگرمیاں مکمل کریں۔ پراجیکٹس کو سیکھ کر بنانے کی کوشش کریں نہ کہ کوڈ کی کاپی کریں؛ البتہ وہ کوڈ ہر پروجیکٹ پر مبنی سبق کے /solutions فولڈر میں دستیاب ہے۔ ایک اور خیال ہے کہ دوستوں کے ساتھ ایک مطالعہ گروپ بنائیں اور مل کر مواد کا مطالعہ کریں۔ مزید مطالعہ کے لئے، ہم [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn) کی تجویز کرتے ہیں۔ اس کورس کا ویڈیو جائزہ دیکھنے کے لیے، یہ ویڈیو دیکھیں: -> 🎥 پروجیکٹ کے بارے میں ویڈیو دیکھنے کے لیے اوپر دی گئی تصویر پر کلک کریں! +[![Promo video](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "Promo video") + +> 🎥 پروجیکٹ کے بارے میں ویڈیو دیکھنے کے لیے اوپر تصویر پر کلک کریں! -## طریقۂ تدریس +## تدریسی طریقہ کار -ہم نے اس نصاب کی تیاری میں دو تدریسی اصول منتخب کیے ہیں: اسے پروجیکٹ پر مبنی بنانا اور بار بار کوئزز شامل کرنا۔ اس سیریز کے آخر تک، طلباء نے پودوں کی نگرانی اور پانی دینے کا نظام، گاڑی ٹریکر، کھانے کی نگرانی کے لیے اسمارٹ فیکٹری سیٹ اپ، اور آواز کنٹرولڈ ککنگ ٹائمر بنایا ہوگا، اور IoT کی بنیادی باتیں سیکھیں گے جن میں ڈیوائس کوڈ لکھنا، کلاؤڈ سے کنیکٹ کرنا، ٹیلی میٹری کا تجزیہ کرنا، اور کنارے پر AI چلانا شامل ہے۔ +ہم نے اس نصاب کو بناتے ہوئے دو تدریسی اصول منتخب کیے ہیں: اسے پراجیکٹ پر مبنی بنانا اور اکثر کوئزز شامل کرنا۔ اس سیریز کے آخر تک، طلباء ایک پودے کی نگرانی اور پانی دینے کا نظام، ایک گاڑی ٹریکر، ایک اسمارٹ فیکٹری سیٹ اپ جو کھانے کی جانچ کرے، اور ایک آواز سے کنٹرول ہونے والا پکانے کا ٹائمر بنا چکے ہوں گے، اور انٹرنیٹ آف تھنگز کی بنیادی باتیں سیکھ چکے ہوں گے جیسے کہ ڈیوائس کوڈ لکھنا، کلاؤڈ سے جڑنا، ٹیلی میٹری کا تجزیہ کرنا اور کنارے پر AI چلانا۔ -پروجیکٹس کے مطابق مواد کو یقینی بنا کر، عمل طلباء کے لیے زیادہ پرکشش اور تصورات کی یادداشت کو بہتر بنایا جاتا ہے۔ +مواد کا پراجیکٹس کے ساتھ میل کھانا طلباء کے لیے عمل کو مزید دلچسپ بناتا ہے اور تصورات کی یادداشت کو بہتر بناتا ہے۔ -اس کے علاوہ، کلاس سے پہلے ایک نچلے درجے کا کوئز طلباء کے ارادے کو سیکھنے کی جانب متحرک کرتا ہے، جبکہ کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور دلچسپ ہے اور اسے مکمل یا جزوی طور پر لیا جا سکتا ہے۔ پروجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے دورانیے کے اختتام تک پیچیدہ ہوتے چلے جاتے ہیں۔ +اس کے علاوہ، کلاس سے پہلے ایک آسان کوئز طلباء کی نیت کو سیکھنے کی طرف موڑتا ہے، اور کلاس کے بعد دوسرا کوئز مزید یادداشت کو یقینی بناتا ہے۔ یہ نصاب لچکدار اور مزیدار بنایا گیا ہے اور پورے یا کچھ حصے کے طور پر لیا جا سکتا ہے۔ پراجیکٹس چھوٹے سے شروع ہوتے ہیں اور 12 ہفتوں کے دوران پیچیدہ ہوتے جاتے ہیں۔ -ہر پروجیکٹ طلباء اور شوقیہ افراد کے لیے دستیاب حقیقی ہارڈویئر کے گرد گھومتا ہے۔ ہر پروجیکٹ متعلقہ پس منظر کا علم فراہم کرتا ہے تاکہ ڈویلپر مسئلے کو سمجھ کر حل کر سکے۔ طلباء جو حل بنا رہے ہیں ان کی 'وجہ' کو سمجھتے ہیں اور صارف کے تئیں قدر حاصل کرتے ہیں۔ +ہر پراجیکٹ طلباء اور شوقین حضرات کے لیے دستیاب حقیقی دنیا کے ہارڈ ویئر کے گرد مبنی ہوتا ہے۔ ہر پراجیکٹ مخصوص دائرہ کار کو دیکھتا ہے، متعلقہ پس منظر کا علم فراہم کرتا ہے۔ کامیاب ڈویلپر بننے کے لیے یہ سمجھنا مددگار ہوتا ہے کہ آپ کونسے مسئلے کو حل کر رہے ہیں، یہ پس منظر کی معلومات طلباء کو اپنے IoT حل اور سیکھنے کو اس حقیقی مسئلے کے پیرائے میں سوچنے کی اجازت دیتی ہے جسے وہ بطور IoT ڈویلپر حل کرنے والے ہوں۔ طلباء اپنے بنائے گئے حل کے 'کیوں' کو سیکھتے ہیں، اور آخری صارف کی قدر کا ادراک حاصل کرتے ہیں۔ -## ہارڈویئر +## ہارڈ ویئر +ہمارے پاس دو آئی او ٹی ہارڈویئر کے انتخاب ہیں جو ذاتی پسند، پروگرامنگ زبان کے علم یا ترجیحات، سیکھنے کے مقاصد اور دستیابی پر منحصر ہیں۔ ہم نے ایک 'ورچوئل ہارڈویئر' ورژن بھی فراہم کیا ہے اُن لوگوں کے لیے جن کے پاس ہارڈویئر تک رسائی نہیں ہے، یا جو خریداری کرنے سے پہلے مزید سیکھنا چاہتے ہیں۔ آپ مزید پڑھ سکتے ہیں اور [ہارڈویئر صفحہ](./hardware.md) پر 'شاپنگ لسٹ' بھی دیکھ سکتے ہیں، جس میں ہمارے دوست Seeed Studio سے مکمل کٹس خریدنے کے لنکس بھی شامل ہیں۔ -پروجیکٹس کے لیے ہمارے پاس دو قسم کے IoT ہارڈویئر کے انتخاب موجود ہیں جو ذاتی پسند، پروگرامنگ زبان کی معلومات، سیکھنے کے اہداف اور دستیابی پر منحصر ہیں۔ ہم نے اُن افراد کے لیے 'ورچوئل ہارڈویئر' ورژن بھی دیا ہے جن کے پاس ہارڈویئر نہیں ہے یا جو خریداری سے پہلے مزید سیکھنا چاہتے ہیں۔ آپ مزید پڑھ سکتے ہیں اور [ہارڈویئر صفحہ](./hardware.md) پر 'شاپنگ لسٹ' حاصل کر سکتے ہیں، جس میں Seeed Studio کے مکمل کٹس خریدنے کے لنکس بھی شامل ہیں۔ -> 💁 ہمارے [کوڈ آف کنڈکٹ](CODE_OF_CONDUCT.md)، [حصہ لینے کے اصول](CONTRIBUTING.md)، اور [ترجمہ](TRANSLATIONS.md) کے رہنما خطوط دیکھیں۔ ہم آپ کی تعمیری آراء کا خیرمقدم کرتے ہیں! +> 💁 ہمارا [ضابطہ اخلاق](CODE_OF_CONDUCT.md)، [شراکت داری کے اصول](CONTRIBUTING.md)، اور [ترجمہ کے رہنما اصول](TRANSLATIONS.md) تلاش کریں۔ ہم آپ کی تعمیری رائے کا خیرمقدم کرتے ہیں! > -> 🔧 مسائل کا سامنا ہے؟ عام مسائل کے حل کے لیے ہمارے [مسائل کے حل کا گائیڈ](TROUBLESHOOTING.md) چیک کریں۔ +> 🔧 مسائل پیش آ رہے ہیں؟ عام مسائل کے حل کے لیے ہمارا [مسائل حل کرنے کی رہنمائی](TROUBLESHOOTING.md) دیکھیں۔ -## ہر سبق میں شامل ہے: +## ہر سبق میں شامل ہیں: - سکیچ نوٹ -- اختیاری ضمنی ویڈیو +- اختیاری اضافی ویڈیو - سبق سے پہلے وارم اپ کوئز - تحریری سبق -- پراجیکٹ پر مبنی اسباق کے لیے، پراجیکٹ بنانے کے لیے مرحلہ وار گائیڈز -- علم کی جانچ پڑتال +- منصوبہ بندی پر مبنی اسباق کے لیے، منصوبہ بنانے کے مرحلہ وار رہنما +- علم کی جانچ - ایک چیلنج -- ضمنی مطالعہ -- اسائنمنٹ -- [سبق کے بعد کا کوئز](https://ff-quizzes.netlify.app/en/) +- اضافی مطالعہ +- اسباق کے بعد کوئز [post-lesson quiz](https://ff-quizzes.netlify.app/en/) -> **کوئزز کے بارے میں ایک نوٹ**: تمام کوئزز کوئز-ایپ فولڈر میں شامل ہیں، کل 48 کوئزز جن میں ہر ایک میں تین سوالات ہوتے ہیں۔ یہ اسباق کے اندر سے لنک کیے گئے ہیں لیکن کوئز ایپ کو مقامی طور پر چلایا جا سکتا ہے یا Azure پر تعینات کیا جا سکتا ہے؛ `quiz-app` فولڈر میں ہدایت پر عمل کریں۔ انہیں بتدریج مقامی زبانوں میں منتقل کیا جا رہا ہے۔ +> **کوئزز کے بارے میں ایک نوٹ**: تمام کوئزز 'quiz-app' فولڈر میں رکھے گئے ہیں، کل 48 کوئزز ہیں جن میں تین سوالات ہر ایک کے ہیں۔ یہ اسباق سے لنک کیے گئے ہیں لیکن کوئز ایپ کو لوکللی چلایا جا سکتا ہے یا Azure پر ڈیپلائے کیا جا سکتا ہے؛ 'quiz-app' فولڈر میں ہدایات پر عمل کریں۔ یہ آہستہ آہستہ مقامی زبانوں میں ترجمہ ہو رہے ہیں۔ ## اسباق -| | پراجیکٹ کا نام | سکھائے جانے والے تصورات | سیکھنے کے مقاصد | لنکڈ سبق | -| :---: | :------------------------------------: | :-------------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------: | -| 01 | [شروع کرنا](./1-getting-started/README.md) | آئی او ٹی کا تعارف | آئی او ٹی کے بنیادی اصول اور آئی او ٹی حل کے بنیادی اجزاء جیسے سینسرز اور کلاؤڈ سروسز کے بارے میں سیکھیں جب کہ آپ اپنا پہلا آئی او ٹی آلہ ترتیب دے رہے ہیں | [آئی او ٹی کا تعارف](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [شروع کرنا](./1-getting-started/README.md) | آئی او ٹی میں گہرا مطالعہ | آئی او ٹی سسٹم کے اجزاء کے بارے میں مزید جانیں، نیز مائیکروکنٹرولرز اور سنگل بورڈ کمپیوٹرز کے بارے میں | [آئی او ٹی میں گہرا مطالعہ](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [شروع کرنا](./1-getting-started/README.md) | جسمانی دنیا سے سینسرز اور ایکچیویٹرس کے ذریعے تعلق | جسمانی دنیا سے ڈیٹا جمع کرنے کے لیے سینسرز اور فیڈ بیک بھیجنے کے لیے ایکچیویٹرس کے بارے میں سیکھیں، جب کہ آپ نائٹ لائٹ بنا رہے ہیں | [سینسرز اور ایکچیویٹرس کے ذریعے جسمانی دنیا سے تعلق](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [شروع کرنا](./1-getting-started/README.md) | اپنا آلہ انٹرنیٹ سے جوڑیں | اپنے نائٹ لائٹ کو MQTT بروکر سے جوڑ کر پیغامات بھیجنے اور وصول کرنے کے لیے آئی او ٹی آلہ کو انٹرنیٹ سے جوڑنے کا طریقہ سیکھیں | [اپنا آلہ انٹرنیٹ سے جوڑیں](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [کھیت](./2-farm/README.md) | پودے کی نمو کی پیش گوئی | آئی او ٹی آلہ سے حاصل کردہ درجہ حرارت کے ڈیٹا کے ذریعے پودے کی نمو کی پیش گوئی کرنا سیکھیں | [پودے کی نمو کی پیش گوئی](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [کھیت](./2-farm/README.md) | مٹی کی نمی کا پتہ لگانا | مٹی کی نمی کا پتہ لگانے اور مٹی کی نمی کے سینسر کی کیلیبریشن کرنا سیکھیں | [مٹی کی نمی کا پتہ لگانا](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [کھیت](./2-farm/README.md) | خودکار فصل کو پانی دینا | ریلے اور MQTT کا استعمال کرتے ہوئے خودکار اور وقت کے مطابق پانی دینے کا طریقہ سیکھیں | [خودکار فصل کو پانی دینا](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [کھیت](./2-farm/README.md) | اپنے پودے کو کلاؤڈ میں منتقل کریں | کلاؤڈ اور کلاؤڈ-میزبان آئی او ٹی سروسز کے بارے میں سیکھیں اور آپ کے پودے کو اس کے بجائے ایک پبلک MQTT بروکر کے بجائے کیسے جوڑیں | [اپنے پودے کو کلاؤڈ میں منتقل کریں](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [کھیت](./2-farm/README.md) | اپنی ایپلیکیشن لاجک کو کلاؤڈ پر منتقل کریں | سیکھیں کہ آپ کلاؤڈ میں ایپلیکیشن لاجک کیسے لکھ سکتے ہیں جو آئی او ٹی پیغامات کا جواب دیتا ہے | [اپنی ایپلیکیشن لاجک کو کلاؤڈ پر منتقل کریں](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [کھیت](./2-farm/README.md) | اپنے پودے کو محفوظ رکھیں | آئی او ٹی میں سیکورٹی اور چابیاں اور سرٹیفکیٹس کے ذریعے اپنے پودے کو محفوظ رکھنے کے بارے میں سیکھیں | [اپنے پودے کو محفوظ رکھیں](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کا تعاقب | آئی او ٹی آلات کے لیے GPS مقام کی پیروی کے بارے میں سیکھیں | [مقام کا تعاقب](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کا ڈیٹا محفوظ کریں | آئی او ٹی ڈیٹا کو بعد میں دیکھنے یا تجزیہ کرنے کے لیے محفوظ کرنے کا طریقہ سیکھیں | [مقام کا ڈیٹا محفوظ کریں](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کے ڈیٹا کو تصویری شکل میں دیکھیں | نقشے پر مقام کے ڈیٹا کو دیکھنے کے بارے میں سیکھیں، اور نقشے کس طرح حقیقی 3D دنیا کی دو جہتی نمائندگی کرتے ہیں | [مقام کے ڈیٹا کو تصویری شکل میں دیکھیں](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [ٹرانسپورٹ](./3-transport/README.md) | جیو فینسز | جیو فینسز کے بارے میں سیکھیں، اور یہ کیسے سپلائی چین میں گاڑیوں کے اپنی منزل کے قریب ہوتے وقت الرٹ کرنے کے لیے استعمال ہو سکتے ہیں | [جیو فینسز](./3-transport/lessons/4-geofences/README.md) | -| 15 | [مینوفیکچرنگ](./4-manufacturing/README.md) | پھل کے معیار کا پتہ لگانے والا ٹرین کریں | کلاؤڈ میں ایک امیج کلاسفائر کو ٹرین کرنے کے بارے میں سیکھیں تاکہ پھل کے معیار کا پتہ لگایا جا سکے | [پھل کے معیار کا پتہ لگانے والا ٹرین کریں](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [مینوفیکچرنگ](./4-manufacturing/README.md) | آئی او ٹی ڈیوائس سے پھل کے معیار کو چیک کریں | اپنے پھل کے معیار کے پتہ لگانے والے آلے کو آئی او ٹی ڈیوائس سے استعمال کرنے کے بارے میں سیکھیں | [آئی او ٹی ڈیوائس سے پھل کے معیار کو چیک کریں](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [مینوفیکچرنگ](./4-manufacturing/README.md) | اپنے پھل کے پتہ لگانے والے آلے کو ایج پر چلائیں | اپنے پھل کے پتہ لگانے والے آلے کو آئی او ٹی آلے پر ایج پر چلانے کے بارے میں سیکھیں | [اپنے پھل کے پتہ لگانے والے آلے کو ایج پر چلائیں](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md)| -| 18 | [مینوفیکچرنگ](./4-manufacturing/README.md) | سینسر سے پھل کے معیار کا پتہ لگانے کا آغاز کریں | سینسر سے پھل کے معیار کا پتہ لگانے کا آغاز کرنے کے بارے میں سیکھیں | [سینسر سے پھل کے معیار کا پتہ لگانے کا آغاز کریں](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [ریٹیل](./5-retail/README.md) | اسٹاک ڈیٹیکٹر کو ٹرین کریں | کسی دکان میں اسٹاک گننے کے لیے آبجیکٹ ڈیٹیکشن کو استعمال کرتے ہوئے اسٹاک ڈیٹیکٹر کو ٹرین کرنے کا طریقہ سیکھیں | [اسٹاک ڈیٹیکٹر کو ٹرین کریں](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [ریٹیل](./5-retail/README.md) | آئی او ٹی ڈیوائس سے اسٹاک چیک کریں | آبجیکٹ ڈیٹیکشن ماڈل کو استعمال کرتے ہوئے آئی او ٹی ڈیوائس سے اسٹاک چیک کرنے کا طریقہ سیکھیں | [آئی او ٹی ڈیوائس سے اسٹاک چیک کریں](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [کنزیومر](./6-consumer/README.md) | آئی او ٹی ڈیوائس کے ذریعے تقریر کو پہچانیں | آئی او ٹی ڈیوائس سے تقریر پہچان کر ایک اسمارٹ ٹائمر بنانے کا طریقہ سیکھیں | [آئی او ٹی ڈیوائس کے ذریعے تقریر کو پہچانیں](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [کنزیومر](./6-consumer/README.md) | زبان کو سمجھیں | آئی او ٹی ڈیوائس کو بولے گئے جملوں کو سمجھنے کے بارے میں سیکھیں | [زبان کو سمجھیں](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [کنزیومر](./6-consumer/README.md) | ٹائمر سیٹ کریں اور بولی گئی آراء دیں | آئی او ٹی ڈیوائس پر ٹائمر سیٹ کرنے اور بولی گئی آراء دینے کا طریقہ سیکھیں کہ جب ٹائمر سیٹ ہوتا ہے اور جب مکمل ہوتا ہے | [ٹائمر سیٹ کریں اور بولی گئی آراء دیں](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [کنزیومر](./6-consumer/README.md) | متعدد زبانوں کی حمایت کریں | ایک ہی وقت میں بولی جانے والی اور آپ کے اسمارٹ ٹائمر کی جانب سے دی جانے والی متعدد زبانوں کو سپورٹ کرنے کا طریقہ سیکھیں | [متعدد زبانوں کی حمایت کریں](./6-consumer/lessons/4-multiple-language-support/README.md) | +| | منصوبے کا نام | سکھائے گئے تصورات | تعلیمی مقاصد | منسلک سبق | +| :---: | :------------------------------------: | :-------------------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | +| 01 | [شروع کرنا](./1-getting-started/README.md) | آئی او ٹی کا تعارف | آئی او ٹی کے بنیادی اصول سیکھیں اور اُس کے بنیادی اجزاء جیسے سینسرز اور کلاؤڈ سروسز، جب آپ اپنا پہلا آئی او ٹی ڈیوائس سیٹ اپ کر رہے ہوں | [آئی او ٹی کا تعارف](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [شروع کرنا](./1-getting-started/README.md) | آئی او ٹی میں گہری سمجھ | آئی او ٹی کے نظام کے اجزاء اور مائیکرو کنٹرولرز اور سنگل بورڈ کمپیوٹرز کے بارے میں مزید جانیں | [آئی او ٹی میں گہری سمجھ](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [شروع کرنا](./1-getting-started/README.md) | جسمانی دنیا کے ساتھ تعامل سینسرز اور ایکچیویٹرز کے ذریعے | جسمانی دنیا سے ڈیٹا جمع کرنے کے لیے سینسرز اور فیڈ بیک بھیجنے کے لیے ایکچیویٹرز کے بارے میں جانیں، جبکہ آپ ایک نائٹ لائٹ بنا رہے ہوں | [جسمانی دنیا کے ساتھ تعامل](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [شروع کرنا](./1-getting-started/README.md) | اپنا آلہ انٹرنیٹ سے منسلک کریں | جانیں کہ آپ اپنے نائٹ لائٹ کو MQTT بروکر سے جوڑ کر آئی او ٹی ڈیوائس کو انٹرنیٹ سے کیسے منسلک کرتے ہیں تاکہ پیغامات بھیج اور وصول کر سکیں | [انٹرنیٹ سے آلہ منسلک کریں](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [کھیت](./2-farm/README.md) | پودوں کی نمو کی پیش گوئی | سیکھیں کہ کیسے آئی او ٹی ڈیوائس سے حاصل شدہ درجہ حرارت کے ڈیٹا کے ذریعے پودوں کی نشوونما کی پیش گوئی کی جاتی ہے | [پودوں کی پیش گوئی](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [کھیت](./2-farm/README.md) | مٹی کی نمی کا پتہ لگائیں | مٹی کی نمی کا پتہ لگانا اور مٹی نمی سینسر کو کیلیبریٹ کرنا سیکھیں | [مٹی کی نمی کا پتہ لگائیں](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [کھیت](./2-farm/README.md) | خودکار پودوں کو پانی دینا | ریلے اور MQTT کا استعمال کرتے ہوئے خودکار اور وقت سے پانی دینے کے طریقے سیکھیں | [خودکار پانی دینا](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [کھیت](./2-farm/README.md) | اپنے پودے کو کلاؤڈ میں منتقل کریں | کلاؤڈ اور کلاؤڈ پر مبنی آئی او ٹی خدمات کے بارے میں جانیں اور سیکھیں کہ اپنے پودے کو کسی عوامی MQTT بروکر کی بجائے ان سے کیسے جوڑنا ہے | [اپنے پودے کو کلاؤڈ میں منتقل کریں](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [کھیت](./2-farm/README.md) | اپنی ایپلیکیشن لاجک کلاؤڈ میں منتقل کریں | جانیں کہ آپ کلاؤڈ میں ایسی ایپلیکیشن لاجک کیسے لکھ سکتے ہیں جو آئی او ٹی پیغامات کا جواب دے | [اپنی ایپلیکیشن کلاؤڈ میں منتقل کریں](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [کھیت](./2-farm/README.md) | اپنے پودے کو محفوظ رکھیں | آئی او ٹی سیکیورٹی کے بارے میں جانیں اور سیکھیں کہ کس طرح اپنے پودے کو چابیاں اور سرٹیفکیٹس کے ذریعے محفوظ رکھا جاتا ہے | [پودے کو محفوظ رکھیں](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کی ٹریکنگ | آئی او ٹی ڈیوائسز کے لیے GPS مقام کی ٹریکنگ کے بارے میں جانیں | [مقام کی ٹریکنگ](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کا ڈیٹا ذخیرہ کریں | جانیں کہ آئی او ٹی ڈیٹا کو بعد میں دیکھنے یا تجزیہ کرنے کے لیے کیسے ذخیرہ کیا جائے | [مقام کا ڈیٹا ذخیرہ کریں](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [ٹرانسپورٹ](./3-transport/README.md) | مقام کے ڈیٹا کو دیکھیں | نقشے پر مقام کا ڈیٹا دیکھنے کے بارے میں جانیں، اور کیسے نقشے حقیقی 3D دنیا کو دو جہتی شکل میں ظاہر کرتے ہیں | [مقام کے ڈیٹا کو دیکھیں](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [ٹرانسپورٹ](./3-transport/README.md) | جیو فینسز | جیو فینسز کے بارے میں جانیں، اور یہ کیسے سپلائی چین کے گاڑیوں کو ان کے منزل کے قریب ہونے پر انتباہ دینے کے لیے استعمال ہوتے ہیں | [جیو فینسز](./3-transport/lessons/4-geofences/README.md) | +| 15 | [مینوفیکچرنگ](./4-manufacturing/README.md) | پھل کی کوالٹی ڈیٹیکٹر کی تربیت | کلاؤڈ میں تصویر کی درجہ بندی کرنے والے ماڈل کی تربیت کے بارے میں جانیں جو پھلوں کی کوالٹی کا پتہ لگائے | [پھل کی کوالٹی ڈیٹیکٹر کی تربیت](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [مینوفیکچرنگ](./4-manufacturing/README.md) | آئی او ٹی ڈیوائس سے پھل کی کوالٹی چیک کریں | جانیں کہ اپنے پھل کی کوالٹی ڈیٹیکٹر کو آئی او ٹی ڈیوائس کے ذریعے کیسے استعمال کریں | [آئی او ٹی ڈیوائس سے پھل کی کوالٹی چیک](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [مینوفیکچرنگ](./4-manufacturing/README.md) | اپنے پھل ڈیٹیکٹر کو ایج پر چلائیں | جانیں کہ اپنے پھل ڈیٹیکٹر کو ایج پر واقع آئی او ٹی ڈیوائس پر کیسے چلایا جائے | [اپنے پھل ڈیٹیکٹر کو ایج پر چلائیں](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [مینوفیکچرنگ](./4-manufacturing/README.md) | سینسر سے پھل کی کوالٹی ڈیٹیکشن کو متحرک کریں | جانیں کہ سینسر سے پھل کی کوالٹی ڈیٹیکشن کو کیسے متحرک کیا جائے | [سینسر سے پھل کی کوالٹی ڈیٹیکشن کریں](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [ریٹیل](./5-retail/README.md) | اسٹاک ڈیٹیکٹر کی تربیت | جانیں کہ دکان میں اسٹاک کی گنتی کے لیے آبجیکٹ ڈیٹیکشن کیسے استعمال کی جاتی ہے | [اسٹاک ڈیٹیکٹر کی تربیت](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [ریٹیل](./5-retail/README.md) | آئی او ٹی ڈیوائس سے اسٹاک چیک کریں | جانیں کہ آبجیکٹ ڈیٹیکشن ماڈل کے استعمال سے آئی او ٹی ڈیوائس سے اسٹاک کیسے چیک کیا جاتا ہے | [آئی او ٹی ڈیوائس سے اسٹاک چیک کریں](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [صارف](./6-consumer/README.md) | آئی او ٹی ڈیوائس کے ساتھ تقریر کو پہچانیں | جانیں کہ آئی او ٹی ڈیوائس سے تقریر کو پہچان کر اسمارٹ ٹائمر کیسے بنایا جاتا ہے | [تقریر کی پہچان](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [صارف](./6-consumer/README.md) | زبان کو سمجھیں | جانیں کہ آئی او ٹی ڈیوائس پر بولی گئی جملوں کو کیسے سمجھا جاتا ہے | [زبان کو سمجھیں](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [صارف](./6-consumer/README.md) | ٹائمر سیٹ کریں اور بولی گئی رائے فراہم کریں | سیکھیں کہ آئی او ٹی ڈیوائس پر ٹائمر کیسے سیٹ کیا جائے اور ٹائمر لگانے اور ختم ہونے پر بولی گئی رائے کیسے دی جاتی ہے | [بولی گئی رائے فراہم کریں](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [صارف](./6-consumer/README.md) | متعدد زبانوں کی حمایت کریں | سیکھیں کہ اپنے اسمارٹ ٹائمر کو کئی زبانوں میں بات چیت اور جواب دینے کے قابل کیسے بنایا جائے | [متعدد زبانوں کی حمایت](./6-consumer/lessons/4-multiple-language-support/README.md) | ## آف لائن رسائی -آپ اس دستاویز کو آف لائن استعمال کے لیے [Docsify](https://docsify.js.org/#/) کے ذریعے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی لوکل مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر دستیاب ہو جائے گی: `localhost:3000`۔ +آپ اس دستاویز کو آف لائن [Docsify](https://docsify.js.org/#/) استعمال کر کے چلا سکتے ہیں۔ اس ریپو کو فورک کریں، [Docsify انسٹال کریں](https://docsify.js.org/#/quickstart) اپنی مقامی مشین پر، اور پھر اس ریپو کے روٹ فولڈر میں `docsify serve` ٹائپ کریں۔ ویب سائٹ آپ کے لوکل ہوسٹ پر پورٹ 3000 پر چل جائے گی: `localhost:3000`. ## کوئز -چپٹرز کے بارے میں آپ کے علم کو جانچنے والے انٹرایکٹو کوئز کی میزبانی کرنے والی کمیونٹی کا شکریہ۔ آپ اپنا علم [یہاں](https://ff-quizzes.netlify.app/en/) پر پرکھ سکتے ہیں۔ +کمیونٹی کا شکریہ کہ انہوں نے انٹرایکٹو کوئز مہیا کیا جو ہر باب کے بارے میں آپ کے علم کی جانچ کرتا ہے۔ آپ اپنی معلومات [یہاں](https://ff-quizzes.netlify.app/en/) ٹیسٹ کر سکتے ہیں۔ ### پی ڈی ایف -اگر ضرورت ہو تو آپ اس مواد کا پی ڈی ایف آف لائن رسائی کے لیے تیار کر سکتے ہیں۔ ایسا کرنے کے لیے، یقینی بنائیں کہ آپ کے پاس [npm انسٹال ہے](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) اور اس ریپو کے روٹ فولڈر میں درج ذیل کمانڈز چلائیں: +اگر ضرورت ہو تو آپ اس مواد کی پی ڈی ایف فارمیٹ بنا سکتے ہیں تاکہ آف لائن رسائی ہو۔ ایسا کرنے کے لیے یہ یقینی بنائیں کہ آپ نے [npm انسٹال کیا ہوا ہے](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) اور اس ریپو کے روٹ فولڈر میں درج ذیل کمانڈ چلائیں: ```sh npm i @@ -122,59 +163,59 @@ npm run convert ### سلائیڈز -کچھ اسباق کے لیے سلائیڈ ڈیکس [slides](../../slides) فولڈر میں موجود ہیں۔ +کچھ اسباق کے لیے سلائیڈز موجود ہیں جو [slides](../../slides) فولڈر میں رکھی گئی ہیں۔ -## دیگر نصابی کتب +## دیگر نصاب -ہماری ٹیم دیگر نصابی کتب بھی تیار کرتی ہے! دیکھیں: +ہماری ٹیم دیگر نصاب بھی تیار کرتی ہے! دیکھیں: ### LangChain -[![نئے آنے والوں کے لیے LangChain4j](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![نئے آنے والوں کے لیے LangChain.js](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 / Agents -[![نئے آنے والوں کے لیے AZD](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) -[![نئے آنے والوں کے لیے Edge AI](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) -[![نئے آنے والوں کے لیے MCP](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) -[![ابتدائیوں کے لیے AI ایجنٹس](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - -### جنریٹیو AI سیریز -[![ابتدائیوں کے لیے جنریٹیو AI](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) -[![جنریٹیو 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) -[![جنریٹیو AI (جاوا)](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) -[![جنریٹیو AI (جاوا اسکرپٹ)](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) + +### جنریٹو AI سیریز +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - -### بنیادی تعلیم -[![ابتدائیوں کے لیے ML](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) -[![ابتدائیوں کے لیے ڈیٹا سائنس](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) -[![ابتدائیوں کے لیے AI](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) -[![ابتدائیوں کے لیے سائبرسیکیورٹی](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) -[![ابتدائیوں کے لیے ویب ڈیولپمنٹ](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) -[![ابتدائیوں کے لیے IoT](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) -[![ابتدائیوں کے لیے XR ڈیولپمنٹ](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) + +### بنیادی سیکھنا +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - + ### کوپائلٹ سیریز -[![AI کے لیے کوپائلٹ پیرڈ پروگرامنگ](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) -[![C#/.NET کے لیے کوپائلٹ](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) -[![کوپائلٹ ایڈونچر](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## تصویر کے حقوق +## تصاویر کے حقوق -آپ اس نصاب میں استعمال ہونے والی تمام تصاویر کے حقوق [Attributions](./attributions.md) میں جہاں ضروری ہوں، تلاش کر سکتے ہیں۔ +آپ اس نصاب میں استعمال ہونے والی تمام تصاویر کے حقوق اس جگہ پر [Attributions](./attributions.md) دیکھ سکتے ہیں جہاں ضرورت ہو۔ --- -**انتباہ**: -یہ دستاویز AI ترجمہ خدمت [Co-op Translator](https://github.com/Azure/co-op-translator) کے ذریعے ترجمہ کی گئی ہے۔ ہم درستگی کے لئے کوشاں ہیں، لیکن براہِ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا کوتاہیاں ہو سکتی ہیں۔ اصل دستاویز اپنی مادری زبان میں معتبر ذریعہ سمجھا جائے۔ اہم معلومات کے لئے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم پر عائد نہیں ہوتی۔ +**ڈسکلیمیر**: +یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ اگرچہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنی مادری زبان میں ہی مستند ماخذ سمجھی جانی چاہیے۔ اہم معلومات کے لیے پیشہ ورانہ انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریحات کے لیے ذمہ دار نہیں ہیں۔ \ No newline at end of file diff --git a/translations/ur/hardware.md b/translations/ur/hardware.md index f99dd5821..744d4ea0f 100644 --- a/translations/ur/hardware.md +++ b/translations/ur/hardware.md @@ -26,7 +26,7 @@ Seeed Studios نے بہت مہربانی سے تمام ہارڈویئر کو آ **[Seeed اور Microsoft کے ساتھ ابتدائی IoT - Raspberry Pi 4 اسٹارٹر کٹ](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Raspberry Pi ٹرمینل ہارڈویئر کٹ](../../translated_images/ur/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Raspberry Pi ٹرمینل ہارڈویئر کٹ](../../translated_images/ur/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/zh-CN/.co-op-translator.json b/translations/zh-CN/.co-op-translator.json index 70d8d00b7..1fef59fc8 100644 --- a/translations/zh-CN/.co-op-translator.json +++ b/translations/zh-CN/.co-op-translator.json @@ -738,8 +738,8 @@ "language_code": "zh-CN" }, "README.md": { - "original_hash": "3fcc056cd3837e33d2bdf79f9c359fcf", - "translation_date": "2026-01-30T01:16:53+00:00", + "original_hash": "accf69391fa4450eadbf492ca024cccf", + "translation_date": "2026-04-06T16:03:09+00:00", "source_file": "README.md", "language_code": "zh-CN" }, diff --git a/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/README.md b/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/README.md index 72e8962eb..37d2d527d 100644 --- a/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/README.md +++ b/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/README.md @@ -1,6 +1,6 @@ # 物联网简介 -![本课程的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-1.2606670fa61ee904687da5d6fa4e726639d524d064c895117da1b95b9ff6251d.jpg) +![本课程的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-1.2606670fa61ee904.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 diff --git a/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md b/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md index a6c517916..283056c73 100644 --- a/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md +++ b/translations/zh-CN/1-getting-started/lessons/1-introduction-to-iot/virtual-device.md @@ -203,7 +203,7 @@ Python 的一个强大功能是能够安装 [Pip 包](https://pypi.org)——这 应用程序将开始运行并在您的浏览器中打开： - ![在浏览器中运行的 Counter Fit 应用程序](../../../../../translated_images/zh-CN/counterfit-first-run.433326358b669b31d0e99c3513cb01bfbb13724d162c99cdcc8f51ecf5f9c779.png) + ![在浏览器中运行的 Counter Fit 应用程序](../../../../../translated_images/zh-CN/counterfit-first-run.433326358b669b31.webp) 它将显示为 *Disconnected*，右上角的 LED 将关闭。 @@ -224,7 +224,7 @@ Python 的一个强大功能是能够安装 [Pip 包](https://pypi.org)——这 1. 在这个新终端中，像之前一样运行 `app.py` 文件。CounterFit 的状态将变为 **Connected**，LED 将亮起。 - ![Counter Fit 显示为已连接](../../../../../translated_images/zh-CN/counterfit-connected.ed30b46d8f79b0921f3fc70be10366e596a89dca3f80c2224a9d9fc98fccf884.png) + ![Counter Fit 显示为已连接](../../../../../translated_images/zh-CN/counterfit-connected.ed30b46d8f79b092.webp) > 💁 您可以在 [code/virtual-device](../../../../../1-getting-started/lessons/1-introduction-to-iot/code/virtual-device) 文件夹中找到此代码。 diff --git a/translations/zh-CN/1-getting-started/lessons/2-deeper-dive/README.md b/translations/zh-CN/1-getting-started/lessons/2-deeper-dive/README.md index 06609d2b3..1887c3a6c 100644 --- a/translations/zh-CN/1-getting-started/lessons/2-deeper-dive/README.md +++ b/translations/zh-CN/1-getting-started/lessons/2-deeper-dive/README.md @@ -1,6 +1,6 @@ # 深入了解物联网 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-2.324b0580d620c25e0a24fb7fddfc0b29a846dd4b82c08e7a9466d580ee78ce51.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-2.324b0580d620c25e.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -38,7 +38,7 @@ 这些设备通过传感器从周围环境中收集数据，或者通过控制输出或执行器来进行物理改变，从而与物理世界交互。一个典型的例子是智能恒温器——一种具有温度传感器、设置目标温度的方式（如旋钮或触摸屏）以及连接到加热或冷却系统的设备。当检测到的温度超出目标范围时，它可以打开加热或冷却系统。温度传感器检测到房间太冷，执行器则打开加热系统。 -![一个图示显示温度和旋钮作为物联网设备的输入，控制加热器作为输出](../../../../../translated_images/zh-CN/basic-thermostat.a923217fd1f37e5a6f3390396a65c22a387419ea2dd17e518ec24315ba6ae9a8.png) +![一个图示显示温度和旋钮作为物联网设备的输入，控制加热器作为输出](../../../../../translated_images/zh-CN/basic-thermostat.a923217fd1f37e5a.webp) 可以充当物联网设备的“设备”种类繁多，从专用硬件到通用设备，甚至包括你的智能手机！智能手机可以使用传感器检测周围环境，并使用执行器与世界交互——例如，使用 GPS 传感器检测位置，并通过扬声器提供导航指令。 @@ -54,7 +54,7 @@ 以智能恒温器为例，恒温器通过家庭 WiFi 连接到云服务。它将温度数据发送到云服务，云服务将数据写入某种数据库，允许房主通过手机应用查看当前和过去的温度。云中的另一个服务知道房主想要的温度，并通过云服务将消息发送回物联网设备，告诉加热系统打开或关闭。 -![一个图示显示温度和旋钮作为物联网设备的输入，物联网设备与云之间的双向通信，云与手机之间的双向通信，以及加热器作为物联网设备的输出](../../../../../translated_images/zh-CN/mobile-controlled-thermostat.4a994010473d8d6a52ba68c67e5f02dc8928c717e93ca4b9bc55525aa75bbb60.png) +![一个图示显示温度和旋钮作为物联网设备的输入，物联网设备与云之间的双向通信，云与手机之间的双向通信，以及加热器作为物联网设备的输出](../../../../../translated_images/zh-CN/mobile-controlled-thermostat.4a994010473d8d6a.webp) 更智能的版本可以使用云中的 AI，结合其他物联网设备（如占用传感器）连接的其他传感器数据，以及天气和日历等数据，智能地设置温度。例如，它可以读取你的日历显示你正在度假时关闭加热，或者根据你使用的房间逐个关闭加热，并从数据中学习以变得越来越准确。 @@ -94,7 +94,7 @@ CPU 依赖时钟以每秒数百万或数十亿次的频率进行计时。每次 > 💁 CPU 使用[取指-译码-执行周期](https://wikipedia.org/wiki/Instruction_cycle)执行程序。对于每次时钟计时，CPU 会从内存中取指令，译码，然后执行，例如使用算术逻辑单元 (ALU) 加两个数字。一些执行需要多个计时才能完成，因此下一周期将在指令完成后的下一次计时运行。 -![取指-译码-执行周期图示，显示取指从存储在 RAM 中的程序中获取指令，然后在 CPU 上译码和执行](../../../../../translated_images/zh-CN/fetch-decode-execute.2fd6f150f6280392807f4475382319abd0cee0b90058e1735444d6baa6f2078c.png) +![取指-译码-执行周期图示，显示取指从存储在 RAM 中的程序中获取指令，然后在 CPU 上译码和执行](../../../../../translated_images/zh-CN/fetch-decode-execute.2fd6f150f6280392.webp) 微控制器的时钟速度远低于台式机或笔记本电脑，甚至大多数智能手机。例如，Wio Terminal 的 CPU 运行速度为 120MHz，即每秒 120,000,000 次周期。 @@ -182,7 +182,7 @@ Arduino板使用C或C++进行编程。使用C/C++可以使代码编译得非常 你会在`setup`函数中编写初始化代码，例如连接WiFi和云服务或初始化输入和输出引脚。然后在`loop`函数中编写处理代码，例如从传感器读取数据并将值发送到云端。通常会在每个循环中加入一个延迟，例如，如果你只希望每10秒发送一次传感器数据，可以在循环末尾加入10秒的延迟，这样微控制器可以进入休眠状态以节省电力，然后在10秒后再次运行循环。 -![一个Arduino草图先运行setup，然后不断运行loop](../../../../../translated_images/zh-CN/arduino-sketch.79590cb837ff7a7c6a68d1afda6cab83fd53d3bb1bd9a8bf2eaf8d693a4d3ea6.png) +![一个Arduino草图先运行setup，然后不断运行loop](../../../../../translated_images/zh-CN/arduino-sketch.79590cb837ff7a7c.webp) ✅ 这种程序架构被称为*事件循环*或*消息循环*。许多应用程序在底层使用这种架构，并且是大多数运行在Windows、macOS或Linux等操作系统上的桌面应用程序的标准。`loop`监听来自用户界面组件（如按钮）或设备（如键盘）的消息，并对其作出响应。你可以在这篇[关于事件循环的文章](https://wikipedia.org/wiki/Event_loop)中阅读更多内容。 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/README.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/README.md index df9909fb4..e200d454f 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/README.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/README.md @@ -1,6 +1,6 @@ # 使用传感器和执行器与物理世界交互 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-3.cc3b7b4cd646de598698cce043c0393fd62ef42bac2eaf60e61272cd844250f4.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-3.cc3b7b4cd646de59.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -92,7 +92,7 @@ IoT 设备是数字化的——它们无法处理模拟值，只能处理 0 和 最简单的数字传感器是按钮或开关。这是一种只有两种状态的传感器：开或关。 -![一个按钮接收 5 伏特。当未按下时返回 0 伏特，当按下时返回 5 伏特](../../../../../translated_images/zh-CN/button.eadb560b77ac45e56f523d9d8876e40444f63b419e33eb820082d461fa79490b.png) +![一个按钮接收 5 伏特。当未按下时返回 0 伏特，当按下时返回 5 伏特](../../../../../translated_images/zh-CN/button.eadb560b77ac45e5.webp) IoT 设备上的引脚（如 GPIO 引脚）可以直接测量此信号为 0 或 1。如果返回的电压与输入电压相同，则读取值为 1，否则读取值为 0。无需转换信号，它只能是 1 或 0。 @@ -125,7 +125,7 @@ IoT 设备上的引脚（如 GPIO 引脚）可以直接测量此信号为 0 或 根据以下相关指南，将执行器添加到你的 IoT 设备中，并通过传感器控制它，构建一个 IoT 夜灯。它将从光传感器获取光线强度，并使用 LED 作为执行器，在检测到光线强度过低时发光。 -![作业流程图，显示读取和检查光线强度，并控制 LED](../../../../../translated_images/zh-CN/assignment-1-flow.7552a51acb1a5ec858dca6e855cdbb44206434006df8ba3799a25afcdab1665d.png) +![作业流程图，显示读取和检查光线强度，并控制 LED](../../../../../translated_images/zh-CN/assignment-1-flow.7552a51acb1a5ec8.webp) * [Arduino - Wio Terminal](wio-terminal-actuator.md) * [单板计算机 - Raspberry Pi](pi-actuator.md) @@ -140,7 +140,7 @@ IoT 设备上的引脚（如 GPIO 引脚）可以直接测量此信号为 0 或 模拟执行器接收模拟信号并将其转换为某种交互，其中交互会根据提供的电压变化。 一个例子是可调光灯，例如你家中的灯。提供给灯的电压决定了它的亮度。 -![低电压时灯光较暗，高电压时灯光较亮](../../../../../translated_images/zh-CN/dimmable-light.9ceffeb195dec1a849da718b2d71b32c35171ff7dfea9c07bbf82646a67acf6b.png) +![低电压时灯光较暗，高电压时灯光较亮](../../../../../translated_images/zh-CN/dimmable-light.9ceffeb195dec1a8.webp) 与传感器类似，实际的物联网设备使用的是数字信号，而不是模拟信号。这意味着要发送模拟信号，物联网设备需要一个数字到模拟转换器（DAC），可以直接集成在物联网设备上，也可以在连接板上。这将把物联网设备的0和1转换为执行器可以使用的模拟电压。 @@ -187,7 +187,7 @@ IoT 设备上的引脚（如 GPIO 引脚）可以直接测量此信号为 0 或 一个简单的数字执行器是LED。当设备发送数字信号1时，会发送高电压点亮LED。当发送数字信号0时，电压降至0V，LED熄灭。 -![LED在0伏时熄灭，在5伏时点亮](../../../../../translated_images/zh-CN/led.ec6d94f66676a174ad06d9fa9ea49c2ee89beb18b312d5c6476467c66375b07f.png) +![LED在0伏时熄灭，在5伏时点亮](../../../../../translated_images/zh-CN/led.ec6d94f66676a174.webp) ✅ 你能想到其他简单的两状态执行器吗？一个例子是电磁铁，它可以被激活来完成诸如移动门栓锁定/解锁门的任务。 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md index 7fade6b79..37cf9f954 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-actuator.md @@ -26,7 +26,7 @@ Grove LED是一个模块，提供多种颜色的LED供选择。 连接LED。 -![一个Grove LED](../../../../../translated_images/zh-CN/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![一个Grove LED](../../../../../translated_images/zh-CN/grove-led.6c853be93f473cf2.webp) 1. 选择你喜欢的LED，将其引脚插入LED模块上的两个孔中。 @@ -40,7 +40,7 @@ Grove LED是一个模块，提供多种颜色的LED供选择。 1. 在树莓派断电的情况下，将Grove电缆的另一端连接到树莓派上Grove Base帽的数字插座**D5**。这个插座位于GPIO引脚旁边的一排插座中，从左数第二个。 -![连接到D5插座的Grove LED](../../../../../translated_images/zh-CN/pi-led.97f1d474981dc35d1c7996c7b17de355d3d0a6bc9606d79fa5f89df933415122.png) +![连接到D5插座的Grove LED](../../../../../translated_images/zh-CN/pi-led.97f1d474981dc35d.webp) ## 编程夜灯 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md index f9a454dfa..17abdff43 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/pi-sensor.md @@ -16,13 +16,13 @@ 连接光传感器 -![一个 Grove 光传感器](../../../../../translated_images/zh-CN/grove-light-sensor.b8127b7c434e632d6bcdb57587a14e9ef69a268a22df95d08628f62b8fa5505c.png) +![一个 Grove 光传感器](../../../../../translated_images/zh-CN/grove-light-sensor.b8127b7c434e632d.webp) 1. 将 Grove 电缆的一端插入光传感器模块上的插座。电缆只能以一种方向插入。 1. 在 Raspberry Pi 断电的情况下，将 Grove 电缆的另一端连接到 Grove Base hat 上标记为 **A0** 的模拟插座。该插座位于 GPIO 引脚旁边插座排的第二个位置。 -![连接到 A0 插座的 Grove 光传感器](../../../../../translated_images/zh-CN/pi-light-sensor.66cc1e31fa48cd7d5f23400d4b2119aa41508275cb7c778053a7923b4e972d7e.png) +![连接到 A0 插座的 Grove 光传感器](../../../../../translated_images/zh-CN/pi-light-sensor.66cc1e31fa48cd7d.webp) ## 编程光传感器 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md index f098e9564..3baf1f192 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-actuator.md @@ -36,11 +36,11 @@ Otherwise 1. 点击 **Add** 按钮，在引脚5上创建LED。 - ![LED设置](../../../../../translated_images/zh-CN/counterfit-create-led.ba9db1c9b8c622a635d6dfae5cdc4e70c2b250635bd4f0601c6cf0bd22b7ba46.png) + ![LED设置](../../../../../translated_images/zh-CN/counterfit-create-led.ba9db1c9b8c622a6.webp) LED将被创建并显示在执行器列表中。 - ![创建的LED](../../../../../translated_images/zh-CN/counterfit-led.c0ab02de6d256ad84d9bad4d67a7faa709f0ea83e410cfe9b5561ef0cef30b1c.png) + ![创建的LED](../../../../../translated_images/zh-CN/counterfit-led.c0ab02de6d256ad8.webp) 创建LED后，您可以使用 *Color* 选择器更改颜色。选择颜色后，点击 **Set** 按钮以更改颜色。 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md index dedc28a0a..d5d233713 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/virtual-device-sensor.md @@ -28,11 +28,11 @@ 1. 点击 **Add** 按钮，在 Pin 0 上创建光传感器。 - ![光传感器设置](../../../../../translated_images/zh-CN/counterfit-create-light-sensor.9f36a5e0d4458d8d554d54b34d2c806d56093d6e49fddcda2d20f6fef7f5cce1.png) + ![光传感器设置](../../../../../translated_images/zh-CN/counterfit-create-light-sensor.9f36a5e0d4458d8d.webp) 光传感器将被创建并显示在传感器列表中。 - ![光传感器已创建](../../../../../translated_images/zh-CN/counterfit-light-sensor.5d0f5584df56b90f6b2561910d9cb20dfbd73eeff2177c238d38f4de54aefae1.png) + ![光传感器已创建](../../../../../translated_images/zh-CN/counterfit-light-sensor.5d0f5584df56b90f.webp) ## 编程光传感器 diff --git a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md index dd652faba..03f893690 100644 --- a/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md +++ b/translations/zh-CN/1-getting-started/lessons/3-sensors-and-actuators/wio-terminal-actuator.md @@ -26,7 +26,7 @@ Grove LED 是一个模块，包含多种颜色的 LED，您可以选择自己喜 连接 LED。 -![一个 Grove LED](../../../../../translated_images/zh-CN/grove-led.6c853be93f473cf2c439cfc74bb1064732b22251a83cedf66e62f783f9cc1a79.png) +![一个 Grove LED](../../../../../translated_images/zh-CN/grove-led.6c853be93f473cf2.webp) 1. 选择您喜欢的 LED，将其引脚插入 LED 模块上的两个孔中。 diff --git a/translations/zh-CN/1-getting-started/lessons/4-connect-internet/README.md b/translations/zh-CN/1-getting-started/lessons/4-connect-internet/README.md index 11c1901e7..6fb031835 100644 --- a/translations/zh-CN/1-getting-started/lessons/4-connect-internet/README.md +++ b/translations/zh-CN/1-getting-started/lessons/4-connect-internet/README.md @@ -1,6 +1,6 @@ # 将设备连接到互联网 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-4.7344e074ea68fa545fd320b12dce36d72dd62d28c3b4596cb26cf315f434b98f.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-4.7344e074ea68fa54.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -47,7 +47,7 @@ MQTT 是 IoT 设备最流行的通信协议之一，本课将重点介绍它。 MQTT 有一个单一的代理和多个客户端。所有客户端都连接到代理，代理根据需要将消息路由到相关客户端。消息通过命名主题进行路由，而不是直接发送到单个客户端。客户端可以发布到某个主题，订阅该主题的任何客户端都会收到消息。 -![IoT 设备在 /telemetry 主题上发布遥测数据，云服务订阅该主题](../../../../../translated_images/zh-CN/mqtt.cbf7f21d9adc3e17548b359444cc11bb4bf2010543e32ece9a47becf54438c23.png) +![IoT 设备在 /telemetry 主题上发布遥测数据，云服务订阅该主题](../../../../../translated_images/zh-CN/mqtt.cbf7f21d9adc3e17.webp) ✅ 做一些研究。如果您有大量 IoT 设备，如何确保您的 MQTT 代理能够处理所有消息？ @@ -69,7 +69,7 @@ MQTT 有一个单一的代理和多个客户端。所有客户端都连接到代 > 💁 此测试代理是公开的且不安全。任何人都可以监听您发布的内容，因此不应用于需要保密的数据。 -![作业流程图，显示光线强度被读取和检查，LED 被控制](../../../../../translated_images/zh-CN/assignment-1-internet-flow.3256feab5f052fd273bf4e331157c574c2c3fa42e479836fc9c3586f41db35a5.png) +![作业流程图，显示光线强度被读取和检查，LED 被控制](../../../../../translated_images/zh-CN/assignment-1-internet-flow.3256feab5f052fd2.webp) 按照以下相关步骤将设备连接到 MQTT 代理： @@ -350,7 +350,7 @@ Python 的一个强大功能是可以安装 [pip 包](https://pypi.org)——这 IoT 设备设计者还应该考虑 IoT 设备在断网或因位置导致信号丢失时是否可以使用。智能恒温器应该能够在无法将遥测数据发送到云端时做出一些有限的决策来控制加热。 -[![这辆法拉利因为有人试图在没有手机信号的地下升级而被锁死](../../../../../translated_images/zh-CN/bricked-car.dc38f8efadc6c59d76211f981a521efb300939283dee468f79503aae3ec67615.png)](https://twitter.com/internetofshit/status/1315736960082808832) +[![这辆法拉利因为有人试图在没有手机信号的地下升级而被锁死](../../../../../translated_images/zh-CN/bricked-car.dc38f8efadc6c59d.webp)](https://twitter.com/internetofshit/status/1315736960082808832) 对于 MQTT 来处理连接丢失，设备和服务器代码需要负责确保消息传递的可靠性，例如要求所有发送的消息都通过回复主题上的额外消息进行回复，如果没有，则手动排队以便稍后重播。 @@ -358,7 +358,7 @@ IoT 设备设计者还应该考虑 IoT 设备在断网或因位置导致信号 命令是从云端发送到设备的消息，指示设备执行某些操作。大多数情况下，这涉及通过执行器提供某种输出，但也可以是设备本身的指令，例如重启或收集额外的遥测数据并将其作为命令的响应返回。 -![一个连接到互联网的恒温器接收到打开加热的命令](../../../../../translated_images/zh-CN/commands.d6c06bbbb3a02cce95f2831a1c331daf6dedd4e470c4aa2b0ae54f332016e504.png) +![一个连接到互联网的恒温器接收到打开加热的命令](../../../../../translated_images/zh-CN/commands.d6c06bbbb3a02cce.webp) 恒温器可以从云端接收到打开加热的命令。根据所有传感器的遥测数据，如果云服务决定加热应该开启，它会发送相关命令。 diff --git a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/README.md b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/README.md index 04fbdeed1..2747cfdfe 100644 --- a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/README.md +++ b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/README.md @@ -1,6 +1,6 @@ ## 使用物联网预测植物生长 -![本课的概述手绘图](../../../../../translated_images/zh-CN/lesson-5.42b234299279d263143148b88ab4583861a32ddb03110c6c1120e41bb88b2592.jpg) +![本课的概述手绘图](../../../../../translated_images/zh-CN/lesson-5.42b234299279d263.webp) > 手绘图由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -90,7 +90,7 @@ 完整的 GDD 公式稍显复杂，但通常使用一个简化的公式作为良好的近似值： -![GDD = T max + T min 除以 2，然后减去 T base](../../../../../translated_images/zh-CN/gdd-calculation.79b3660f9c5757aa92dc2dd2cdde75344e2d2c1565c4b3151640f7887edc0275.png) +![GDD = T max + T min 除以 2，然后减去 T base](../../../../../translated_images/zh-CN/gdd-calculation.79b3660f9c5757aa.webp) * **GDD** - 这是生长度日的数量 * **T max** - 这是当天的最高温度（摄氏度） @@ -118,7 +118,7 @@ 计算结果为： -![GDD = 16 + 12 除以 2，然后减去 10，结果为 4](../../../../../translated_images/zh-CN/gdd-calculation-corn.64a58b7a7afcd0dfd46ff733996d939f17f4f3feac9f0d1c632be3523e51ebd9.png) +![GDD = 16 + 12 除以 2，然后减去 10，结果为 4](../../../../../translated_images/zh-CN/gdd-calculation-corn.64a58b7a7afcd0df.webp) 当天玉米获得了 4 GDD。假设一种需要 800 GDD 才能成熟的玉米品种，还需要 796 GDD 才能达到成熟。 @@ -239,7 +239,7 @@ CSV 文件将有两列——*日期* 和 *温度*。*日期* 列设置为服务 例如，如果当天的最高温度是25°C，最低温度是12°C： -![GDD = 25 + 12 除以2，然后从结果中减去10，得到8.5](../../../../../translated_images/zh-CN/gdd-calculation-strawberries.59f57db94b22adb8ff6efb951ace33af104a1c6ccca3ffb0f8169c14cb160c90.png) +![GDD = 25 + 12 除以2，然后从结果中减去10，得到8.5](../../../../../translated_images/zh-CN/gdd-calculation-strawberries.59f57db94b22adb8.webp) * 25 + 12 = 37 * 37 / 2 = 18.5 diff --git a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/assignment.md b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/assignment.md index f1dcec479..8485e5a81 100644 --- a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/assignment.md +++ b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/assignment.md @@ -33,7 +33,7 @@ Jupyter 将启动并在浏览器中打开 Notebook。按照 Notebook 中的说明操作，可视化测量的温度并计算生长度日（GDD）。 - ![Jupyter Notebook 示例](../../../../../translated_images/zh-CN/gdd-jupyter-notebook.c5b52cf21094f158a61f47f455490fd95f1729777ff90861a4521820bf354cdc.png) + ![Jupyter Notebook 示例](../../../../../translated_images/zh-CN/gdd-jupyter-notebook.c5b52cf21094f158.webp) ## 评分标准 diff --git a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/pi-temp.md b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/pi-temp.md index d10bdfb14..ada18a47d 100644 --- a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/pi-temp.md +++ b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/pi-temp.md @@ -16,7 +16,7 @@ Grove 温度传感器可以连接到树莓派。 连接温度传感器 -![一个 Grove 温度传感器](../../../../../translated_images/zh-CN/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![一个 Grove 温度传感器](../../../../../translated_images/zh-CN/grove-dht11.07f8eafceee17004.webp) 1. 将 Grove 电缆的一端插入湿度和温度传感器上的插座。它只能以一种方式插入。 diff --git a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md index be6113df1..2651dbabc 100644 --- a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md +++ b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/virtual-device-temp.md @@ -38,11 +38,11 @@ 1. 点击 **Add** 按钮，在 Pin 5 上创建湿度传感器。 - ![湿度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-humidity-sensor.2750e27b6f30e09cf4e22101defd5252710717620816ab41ba688f91f757c49a.png) + ![湿度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-humidity-sensor.2750e27b6f30e09c.webp) 湿度传感器将被创建并显示在传感器列表中。 - ![湿度传感器已创建](../../../../../translated_images/zh-CN/counterfit-humidity-sensor.7b12f7f339e430cb26c8211d2dba4ef75261b353a01da0932698b5bebd693f27.png) + ![湿度传感器已创建](../../../../../translated_images/zh-CN/counterfit-humidity-sensor.7b12f7f339e430cb.webp) 1. 创建一个温度传感器： @@ -54,11 +54,11 @@ 1. 点击 **Add** 按钮，在 Pin 6 上创建温度传感器。 - ![温度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-temperature-sensor.199350ed34f7343d79dccbe95eaf6c11d2121f03d1c35ab9613b330c23f39b29.png) + ![温度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-temperature-sensor.199350ed34f7343d.webp) 温度传感器将被创建并显示在传感器列表中。 - ![温度传感器已创建](../../../../../translated_images/zh-CN/counterfit-temperature-sensor.f0560236c96a9016bafce7f6f792476fe3367bc6941a1f7d5811d144d4bcbfff.png) + ![温度传感器已创建](../../../../../translated_images/zh-CN/counterfit-temperature-sensor.f0560236c96a9016.webp) ## 编写温度传感器应用程序 diff --git a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md index bdc3f8e73..fc85a13c1 100644 --- a/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md +++ b/translations/zh-CN/2-farm/lessons/1-predict-plant-growth/wio-terminal-temp.md @@ -18,7 +18,7 @@ Grove 温度传感器可以连接到 Wio Terminal 的数字端口。 连接温度传感器。 -![一个 Grove 温度传感器](../../../../../translated_images/zh-CN/grove-dht11.07f8eafceee170043efbb53e1d15722bd4e00fbaa9ff74290b57e9f66eb82c17.png) +![一个 Grove 温度传感器](../../../../../translated_images/zh-CN/grove-dht11.07f8eafceee17004.webp) 1. 将 Grove 电缆的一端插入湿度和温度传感器上的插座。电缆只能以一种方向插入。 diff --git a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/README.md b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/README.md index 44bb1c436..4b4eff3c1 100644 --- a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/README.md +++ b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/README.md @@ -13,7 +13,7 @@ I²C 总线由两根主要的通信线和两根电源线组成： | VCC | 电压公共集电极 | 为设备提供电源。通过一个上拉电阻连接到 SDA 和 SCL 线，为它们提供电源，并在没有设备作为控制器时关闭信号。 | | GND | 地线 | 为电路提供公共地线。 | -![I2C 总线连接了 3 个设备，这些设备共享 SDA 和 SCL 线以及一个公共地线](../../../../../translated_images/zh-CN/i2c.83da845dde02256bdd462dbe0d5145461416b74930571b89d1ae142841eeb584.png) +![I2C 总线连接了 3 个设备，这些设备共享 SDA 和 SCL 线以及一个公共地线](../../../../../translated_images/zh-CN/i2c.83da845dde02256b.webp) 要发送数据，一个设备会发出启动条件，表明它准备好发送数据。它随后成为控制器。控制器接着发送它想要通信的设备地址，以及它是要读取还是写入数据。在数据传输完成后，控制器发送停止条件，表明它已完成。之后，另一个设备可以成为控制器并发送或接收数据。 diff --git a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/assignment.md b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/assignment.md index 46e0f6006..ebdd8f72c 100644 --- a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/assignment.md +++ b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/assignment.md @@ -20,14 +20,14 @@ 重力土壤湿度的计算公式为： -![土壤湿度百分比等于湿土重量减去干土重量，除以干土重量，再乘以100](../../../../../translated_images/zh-CN/gsm-calculation.6da38c6201eec14e7573bb2647aa18892883193553d23c9d77e5dc681522dfb2.png) +![土壤湿度百分比等于湿土重量减去干土重量，除以干土重量，再乘以100](../../../../../translated_images/zh-CN/gsm-calculation.6da38c6201eec14e.webp) * W - 湿土的重量 * W - 干土的重量 例如，假设您有一个土壤样本，湿重为212克，干重为197克。 -![填入计算公式的示例](../../../../../translated_images/zh-CN/gsm-calculation-example.99f9803b4f29e97668e7c15412136c0c399ab12dbba0b89596fdae9d8aedb6fb.png) +![填入计算公式的示例](../../../../../translated_images/zh-CN/gsm-calculation-example.99f9803b4f29e976.webp) * W = 212克 * W = 197克 diff --git a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md index 2c0726eb6..4c9ae773d 100644 --- a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md +++ b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/pi-soil-moisture.md @@ -18,13 +18,13 @@ Grove 土壤湿度传感器可以连接到树莓派。 连接土壤湿度传感器。 -![一个 Grove 土壤湿度传感器](../../../../../translated_images/zh-CN/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![一个 Grove 土壤湿度传感器](../../../../../translated_images/zh-CN/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. 将 Grove 电缆的一端插入土壤湿度传感器上的插座。它只能以一种方式插入。 1. 在树莓派断电的情况下，将 Grove 电缆的另一端连接到 Grove Base Hat 上标记为 **A0** 的模拟插座。这个插座位于 GPIO 引脚旁边的一排插座中，从右数第二个。 -![Grove 土壤湿度传感器连接到 A0 插座](../../../../../translated_images/zh-CN/pi-soil-moisture-sensor.fdd7eb2393792cf6739cacf1985d9f55beda16d372f30d0b5a51d586f978a870.png) +![Grove 土壤湿度传感器连接到 A0 插座](../../../../../translated_images/zh-CN/pi-soil-moisture-sensor.fdd7eb2393792cf6.webp) 1. 将土壤湿度传感器插入土壤中。传感器上有一条“最高位置线”——一条横跨传感器的白线。将传感器插入到这条线以下，但不要超过这条线。 diff --git a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md index eeb81d57f..c80807a78 100644 --- a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md +++ b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/virtual-device-soil-moisture.md @@ -34,11 +34,11 @@ 1. 点击 **Add** 按钮，在 Pin 0 上创建 *Soil Moisture* 传感器。 - ![土壤湿度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-soil-moisture-sensor.35266135a5e0ae68b29a684d7db0d2933a8098b2307d197f7c71577b724603aa.png) + ![土壤湿度传感器设置](../../../../../translated_images/zh-CN/counterfit-create-soil-moisture-sensor.35266135a5e0ae68.webp) 土壤湿度传感器将被创建并显示在传感器列表中。 - ![已创建的土壤湿度传感器](../../../../../translated_images/zh-CN/counterfit-soil-moisture-sensor.81742b2de0e9de60a3b3b9a2ff8ecc686d428eb6d71820f27a693be26e5aceee.png) + ![已创建的土壤湿度传感器](../../../../../translated_images/zh-CN/counterfit-soil-moisture-sensor.81742b2de0e9de60.webp) ## 编写土壤湿度传感器应用程序 diff --git a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md index 33bd68432..ce9169fb5 100644 --- a/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md +++ b/translations/zh-CN/2-farm/lessons/2-detect-soil-moisture/wio-terminal-soil-moisture.md @@ -18,7 +18,7 @@ Grove 土壤湿度传感器可以连接到 Wio Terminal 的可配置模拟/数 连接土壤湿度传感器。 -![一个 Grove 土壤湿度传感器](../../../../../translated_images/zh-CN/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78be5cc5a07839385fd6718857f31b5bf5ad3d0c73c83b2f0ef.png) +![一个 Grove 土壤湿度传感器](../../../../../translated_images/zh-CN/grove-capacitive-soil-moisture-sensor.e7f0776cce30e78b.webp) 1. 将 Grove 电缆的一端插入土壤湿度传感器上的插座。电缆只能以一种方向插入。 diff --git a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/README.md b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/README.md index 170782124..8c64da6aa 100644 --- a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/README.md +++ b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/README.md @@ -1,6 +1,6 @@ # 自动植物浇水 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-7.30b5f577d3cb8e031238751475cb519c7d6dbaea261b5df4643d086ffb2a03bb.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-7.30b5f577d3cb8e03.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -32,7 +32,7 @@ 解决方案是将水泵连接到外部电源，并使用执行器来打开水泵，就像你用手指打开灯一样。打开开关所需的能量很小（来自你身体的能量），而这会将灯连接到 110v/240v 的市电。 -![一个灯开关打开灯的电源](../../../../../translated_images/zh-CN/light-switch.760317ad6ab8bd6d611da5352dfe9c73a94a0822ccec7df3c8bae35da18e1658.png) +![一个灯开关打开灯的电源](../../../../../translated_images/zh-CN/light-switch.760317ad6ab8bd6d.webp) > 🎓 [市电](https://wikipedia.org/wiki/Mains_electricity) 指的是通过国家基础设施输送到家庭和企业的电力。 @@ -72,7 +72,7 @@ 电磁铁所需的功率很小，可以通过物联网开发板的 3.3V 或 5V 输出控制。输出电路可以承载更多功率，具体取决于继电器，包括市电电压甚至更高的工业电压。这使得物联网开发板可以控制灌溉系统，从单个植物的小型水泵到整个商业农场的大型工业系统。 -![一个带有标注的 Grove 继电器，显示控制电路、输出电路和继电器](../../../../../translated_images/zh-CN/grove-relay-labelled.293e068f5c3c2a199bd7892f2661fdc9e10c920b535cfed317fbd6d1d4ae1168.png) +![一个带有标注的 Grove 继电器，显示控制电路、输出电路和继电器](../../../../../translated_images/zh-CN/grove-relay-labelled.293e068f5c3c2a19.webp) 上图显示了一个 Grove 继电器。控制电路连接到物联网设备，并使用 3.3V 或 5V 打开或关闭继电器。输出电路有两个端子，任意一个可以是电源或接地。输出电路可以处理高达 250V、10A 的电流，足以驱动一系列市电设备。你还可以找到能够处理更高功率的继电器。 diff --git a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/pi-relay.md b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/pi-relay.md index abd936336..e65ff2235 100644 --- a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/pi-relay.md +++ b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/pi-relay.md @@ -18,13 +18,13 @@ Grove 继电器可以连接到树莓派。 连接继电器。 -![一个 Grove 继电器](../../../../../translated_images/zh-CN/grove-relay.d426958ca210fbd0fb7983d7edc069d46c73a8b0a099d94797bd756f7b6bb6be.png) +![一个 Grove 继电器](../../../../../translated_images/zh-CN/grove-relay.d426958ca210fbd0.webp) 1. 将 Grove 电缆的一端插入继电器上的插座。它只能以一种方式插入。 1. 在树莓派断电的情况下，将 Grove 电缆的另一端连接到 Grove Base Hat 上标记为 **D5** 的数字插座。这个插座位于 GPIO 引脚旁边的一排插座中，从左数第二个。保持土壤湿度传感器连接到 **A0** 插座。 -![Grove 继电器连接到 D5 插座，土壤湿度传感器连接到 A0 插座](../../../../../translated_images/zh-CN/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e69ec716cd2719ce117700bd1fc933eaf93476c103c57939b.png) +![Grove 继电器连接到 D5 插座，土壤湿度传感器连接到 A0 插座](../../../../../translated_images/zh-CN/pi-relay-and-soil-moisture-sensor.02f3198975b8c53e.webp) 1. 如果土壤湿度传感器还没有插入土壤，请将其插入土壤中（如果您在上一节课程中已经插入，则无需重复操作）。 diff --git a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md index 0ed999e78..917a00bbb 100644 --- a/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md +++ b/translations/zh-CN/2-farm/lessons/3-automated-plant-watering/virtual-device-relay.md @@ -28,11 +28,11 @@ 1. 点击 **Add** 按钮，在 Pin 5 上创建继电器。 - ![继电器设置](../../../../../translated_images/zh-CN/counterfit-create-relay.fa7c40fd0f2f6afc33b35ea94fcb235085be4861e14e3fe6b9b7bcfc82d1c888.png) + ![继电器设置](../../../../../translated_images/zh-CN/counterfit-create-relay.fa7c40fd0f2f6afc.webp) 继电器将被创建并显示在执行器列表中。 - ![创建的继电器](../../../../../translated_images/zh-CN/counterfit-relay.bbf74c1dbdc8b9acd983367fcbd06703a402aefef6af54ddb28e11307ba8a12c.png) + ![创建的继电器](../../../../../translated_images/zh-CN/counterfit-relay.bbf74c1dbdc8b9ac.webp) ## 编程继电器 diff --git a/translations/zh-CN/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md b/translations/zh-CN/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md index 397156e01..3aae08c74 100644 --- a/translations/zh-CN/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md +++ b/translations/zh-CN/2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md @@ -1,6 +1,6 @@ # 将植物迁移到云端 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-8.3f21f3c11159e6a0a376351973ea5724d5de68fa23b4288853a174bed9ac48c3.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-8.3f21f3c11159e6a0.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -46,8 +46,8 @@ IoT 设备通过公共 MQTT broker 进行通信，以演示原理，但这种方 云通常被戏称为“别人的计算机”。最初的想法很简单——与其购买计算机，不如租用别人的计算机。云计算提供商会管理巨大的数据中心。他们负责购买和安装硬件、管理电力和冷却、网络连接、建筑安全、硬件和软件更新等所有事情。作为客户，你可以根据需求租用计算机，需求增加时租用更多，需求减少时减少租用。这些云数据中心分布在全球各地。 -![一个微软云数据中心](../../../../../translated_images/zh-CN/azure-region-existing.73f704604f2aa6cb9b5a49ed40e93d4fd81ae3f4e6af4a8ca504023902832f56.png) -![一个微软云数据中心的计划扩展](../../../../../translated_images/zh-CN/azure-region-planned-expansion.a5074a1e8af74f156a73552d502429e5b126ea5019274d767ecb4b9afdad442b.png) +![一个微软云数据中心](../../../../../translated_images/zh-CN/azure-region-existing.73f704604f2aa6cb.webp) +![一个微软云数据中心的计划扩展](../../../../../translated_images/zh-CN/azure-region-planned-expansion.a5074a1e8af74f15.webp) 这些数据中心的面积可以达到数平方公里。上图是几年前拍摄的微软云数据中心，展示了初始规模以及计划扩展。扩展区域的面积超过 5 平方公里。 @@ -108,11 +108,11 @@ Azure 是微软的开发者云，也是你将在这些课程中使用的云服 IoT 设备通过设备 SDK（一个提供服务功能代码的库）或直接通过通信协议（如 MQTT 或 HTTP）连接到云服务。设备 SDK 通常是最简单的选择，因为它会处理所有事情，例如知道要发布或订阅哪些主题，以及如何处理安全性。 -![设备通过设备 SDK 连接到服务。服务器代码也通过 SDK 连接到服务](../../../../../translated_images/zh-CN/iot-service-connectivity.7e873847921a5d6fd60d0ba3a943210194518cee0d4e362476624316443275c3.png) +![设备通过设备 SDK 连接到服务。服务器代码也通过 SDK 连接到服务](../../../../../translated_images/zh-CN/iot-service-connectivity.7e873847921a5d6f.webp) 你的设备随后通过该服务与应用程序的其他部分通信——类似于你通过 MQTT 发送遥测数据和接收命令。通常使用服务 SDK 或类似库。消息从设备发送到服务，应用程序的其他组件可以读取这些消息，然后将消息发送回设备。 -![没有有效密钥的设备无法连接到 IoT 服务](../../../../../translated_images/zh-CN/iot-service-allowed-denied-connection.818b0063ac213fb84204a7229303764d9b467ca430fb822b4ac2fca267d56726.png) +![没有有效密钥的设备无法连接到 IoT 服务](../../../../../translated_images/zh-CN/iot-service-allowed-denied-connection.818b0063ac213fb8.webp) 这些服务通过了解所有可以连接并发送数据的设备来实现安全性，方法是预先注册设备，或者为设备提供密钥或证书，使它们能够在首次连接时自行注册到服务。未知设备无法连接，如果尝试连接，服务会拒绝连接并忽略它们发送的消息。 @@ -124,7 +124,7 @@ IoT 设备通过设备 SDK（一个提供服务功能代码的库）或直接通 现在您已经拥有了一个 Azure 订阅，您可以注册一个 IoT 服务。微软提供的 IoT 服务叫做 Azure IoT Hub。 -![Azure IoT Hub 标志](../../../../../translated_images/zh-CN/azure-iot-hub-logo.28a19de76d0a1932464d858f7558712bcdace3e5ec69c434d482ed7ce41c3a26.png) +![Azure IoT Hub 标志](../../../../../translated_images/zh-CN/azure-iot-hub-logo.28a19de76d0a1932.webp) 下面的视频简要介绍了 Azure IoT Hub： diff --git a/translations/zh-CN/2-farm/lessons/5-migrate-application-to-the-cloud/README.md b/translations/zh-CN/2-farm/lessons/5-migrate-application-to-the-cloud/README.md index 97bbe1f97..0d12b9a80 100644 --- a/translations/zh-CN/2-farm/lessons/5-migrate-application-to-the-cloud/README.md +++ b/translations/zh-CN/2-farm/lessons/5-migrate-application-to-the-cloud/README.md @@ -1,6 +1,6 @@ # 将应用程序逻辑迁移到云端 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-9.dfe99c8e891f48e179724520da9f5794392cf9a625079281ccdcbf09bd85e1b6.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-9.dfe99c8e891f48e1.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -28,7 +28,7 @@ 无服务器（或无服务器计算）是指创建在云端运行的小型代码块，这些代码块会根据不同类型的事件触发运行。当事件发生时，您的代码会运行，并接收有关事件的数据。这些事件可以来自许多不同的来源，包括网络请求、队列中的消息、数据库中的数据变化，或 IoT 设备发送到 IoT 服务的消息。 -![事件从 IoT 服务发送到无服务器服务，同时由多个函数处理](../../../../../translated_images/zh-CN/iot-messages-to-serverless.0194da1cc0732bb7d0f823aed3fce54735c6b1ad3bf36089804d8aaefc0a774f.png) +![事件从 IoT 服务发送到无服务器服务，同时由多个函数处理](../../../../../translated_images/zh-CN/iot-messages-to-serverless.0194da1cc0732bb7.webp) > 💁 如果您之前使用过数据库触发器，可以将其类比为代码因事件（如插入一行数据）而触发。 @@ -54,7 +54,7 @@ Microsoft 的无服务器计算服务称为 Azure Functions。 -![Azure Functions 标志](../../../../../translated_images/zh-CN/azure-functions-logo.1cfc8e3204c9c44aaf80fcf406fc8544d80d7f00f8d3e8ed6fed764563e17564.png) +![Azure Functions 标志](../../../../../translated_images/zh-CN/azure-functions-logo.1cfc8e3204c9c44a.webp) 以下短视频概述了 Azure Functions： diff --git a/translations/zh-CN/2-farm/lessons/6-keep-your-plant-secure/README.md b/translations/zh-CN/2-farm/lessons/6-keep-your-plant-secure/README.md index ee41f3ccf..696226f59 100644 --- a/translations/zh-CN/2-farm/lessons/6-keep-your-plant-secure/README.md +++ b/translations/zh-CN/2-farm/lessons/6-keep-your-plant-secure/README.md @@ -1,6 +1,6 @@ # 保持植物安全 -![本课的概述手绘图](../../../../../translated_images/zh-CN/lesson-10.829c86b80b9403bb770929ee553a1d293afe50dc23121aaf9be144673ae012cc.jpg) +![本课的概述手绘图](../../../../../translated_images/zh-CN/lesson-10.829c86b80b9403bb.webp) > 手绘图由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -52,11 +52,11 @@ 当设备连接到物联网服务时，它会使用一个ID来标识自己。问题是这个ID可能会被克隆——黑客可以设置一个恶意设备，使用与真实设备相同的ID，但发送虚假数据。 -![有效设备和恶意设备可能使用相同的ID发送遥测数据](../../../../../translated_images/zh-CN/iot-device-and-hacked-device-connecting.e0671675df74d6d99eb1dedb5a670e606f698efa6202b1ad4c8ae548db299cc6.png) +![有效设备和恶意设备可能使用相同的ID发送遥测数据](../../../../../translated_images/zh-CN/iot-device-and-hacked-device-connecting.e0671675df74d6d9.webp) 解决方法是将发送的数据转换为一种加密格式，使用设备和云端都知道的某种值来加密数据。这一过程称为*加密*，用于加密数据的值称为*加密密钥*。 -![如果使用加密，则只有加密消息会被接受，其他消息会被拒绝](../../../../../translated_images/zh-CN/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f979e46f2849b573564eeb4a4dc5b52f669f62745397492fb.png) +![如果使用加密，则只有加密消息会被接受，其他消息会被拒绝](../../../../../translated_images/zh-CN/iot-device-and-hacked-device-connecting-encryption.5941aff601fc978f.webp) 云服务可以使用一个称为*解密*的过程将数据转换回可读格式，使用相同的加密密钥或一个*解密密钥*。如果加密消息无法通过密钥解密，则说明设备已被黑客攻击，消息会被拒绝。 diff --git a/translations/zh-CN/3-transport/lessons/1-location-tracking/README.md b/translations/zh-CN/3-transport/lessons/1-location-tracking/README.md index 282427290..0ca987c8a 100644 --- a/translations/zh-CN/3-transport/lessons/1-location-tracking/README.md +++ b/translations/zh-CN/3-transport/lessons/1-location-tracking/README.md @@ -1,6 +1,6 @@ # 位置追踪 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-11.9fddbac4b664c6d50ab7ac9bb32f1fc3f945f03760e72f7f43938073762fb017.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-11.9fddbac4b664c6d5.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -63,13 +63,13 @@ > 💁 没有人确切知道为什么圆被分为 360 度。[维基百科上的“角度 (度)”页面](https://wikipedia.org/wiki/Degree_(angle))介绍了一些可能的原因。 -![纬度线从北极的 90°，到北极和赤道之间的中点 45°，到赤道的 0°，到赤道和南极之间的中点 -45°，到南极的 -90°](../../../../../translated_images/zh-CN/latitude-lines.11d8d91dfb2014a57437272d7db7fd6607243098e8685f06e0c5f1ec984cb7eb.png) +![纬度线从北极的 90°，到北极和赤道之间的中点 45°，到赤道的 0°，到赤道和南极之间的中点 -45°，到南极的 -90°](../../../../../translated_images/zh-CN/latitude-lines.11d8d91dfb2014a5.webp) 纬度是通过围绕地球的线测量的，这些线与赤道平行，将北半球和南半球分别分为 90°。赤道为 0°，北极为 90°，也称为北纬 90°，南极为 -90°，或南纬 90°。 经度是测量东西方向的度数。经度的 0° 起点称为*本初子午线*，1884 年定义为穿过[英国格林威治皇家天文台](https://wikipedia.org/wiki/Royal_Observatory,_Greenwich)的一条从北极到南极的线。 -![经度线从本初子午线以西的 -180°，到本初子午线的 0°，到本初子午线以东的 180°](../../../../../translated_images/zh-CN/longitude-meridians.ab4ef1c91c064586b0185a3c8d39e585903696c6a7d28c098a93a629cddb5d20.png) +![经度线从本初子午线以西的 -180°，到本初子午线的 0°，到本初子午线以东的 180°](../../../../../translated_images/zh-CN/longitude-meridians.ab4ef1c91c064586.webp) > 🎓 子午线是从北极到南极的一条假想直线，形成一个半圆。 @@ -100,7 +100,7 @@ * 纬度为 47.6423109（北纬 47.6423109 度） * 经度为 -122.1390293（西经 122.1390293 度）。 -![微软园区位于 47.6423109,-122.117198](../../../../../translated_images/zh-CN/microsoft-gps-location-world.a321d481b010f6adfcca139b2ba0adc53b79f58a540495b8e2ce7f779ea64bfe.png) +![微软园区位于 47.6423109,-122.117198](../../../../../translated_images/zh-CN/microsoft-gps-location-world.a321d481b010f6ad.webp) ## 全球定位系统 (GPS) @@ -112,7 +112,7 @@ GPS 系统通过多个卫星发送信号，每个卫星包含其当前位置和 > 💁 GPS 传感器需要天线来检测无线电波。内置 GPS 的卡车和汽车的天线通常安装在挡风玻璃或车顶上，以获得良好的信号。如果您使用单独的 GPS 系统，例如智能手机或物联网设备，则需要确保 GPS 系统或手机内置的天线能够清晰地看到天空，例如安装在挡风玻璃上。 -![通过知道传感器与多个卫星的距离，可以计算出位置](../../../../../translated_images/zh-CN/gps-satellites.04acf1148fe25fbf1586bc2e8ba698e8d79b79a50c36824b38417dd13372b90f.png) +![通过知道传感器与多个卫星的距离，可以计算出位置](../../../../../translated_images/zh-CN/gps-satellites.04acf1148fe25fbf.webp) GPS 卫星绕地球运行，并非固定在传感器上方，因此位置数据包括海拔高度以及纬度和经度。 diff --git a/translations/zh-CN/3-transport/lessons/1-location-tracking/pi-gps-sensor.md b/translations/zh-CN/3-transport/lessons/1-location-tracking/pi-gps-sensor.md index 19d724db9..ea11b18ad 100644 --- a/translations/zh-CN/3-transport/lessons/1-location-tracking/pi-gps-sensor.md +++ b/translations/zh-CN/3-transport/lessons/1-location-tracking/pi-gps-sensor.md @@ -18,13 +18,13 @@ Grove GPS 传感器可以连接到树莓派。 连接 GPS 传感器。 -![一个 Grove GPS 传感器](../../../../../translated_images/zh-CN/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![一个 Grove GPS 传感器](../../../../../translated_images/zh-CN/grove-gps-sensor.247943bf69b03f0d.webp) 1. 将 Grove 电缆的一端插入 GPS 传感器上的插座。它只能以一种方式插入。 1. 在树莓派断电的情况下，将 Grove 电缆的另一端连接到树莓派上 Grove Base Hat 的 **UART** 插座。该插座位于中间一排，靠近 SD 卡插槽的一侧，与 USB 端口和以太网插座相对。 - ![Grove GPS 传感器连接到 UART 插座](../../../../../translated_images/zh-CN/pi-gps-sensor.1f99ee2b2f6528915047ec78967bd362e0e4ee0ed594368a3837b9cf9cdaca64.png) + ![Grove GPS 传感器连接到 UART 插座](../../../../../translated_images/zh-CN/pi-gps-sensor.1f99ee2b2f652891.webp) 1. 将 GPS 传感器放置好，使连接的天线能够看到天空——理想情况下靠近窗户或在室外。天线周围没有障碍物时，信号会更清晰。 diff --git a/translations/zh-CN/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md b/translations/zh-CN/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md index d9add21e4..b7f0e08f6 100644 --- a/translations/zh-CN/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md +++ b/translations/zh-CN/3-transport/lessons/1-location-tracking/virtual-device-gps-sensor.md @@ -38,11 +38,11 @@ 1. 点击 **Add** 按钮，在端口 `/dev/ttyAMA0` 上创建 GPS 传感器。 - ![GPS 传感器设置](../../../../../translated_images/zh-CN/counterfit-create-gps-sensor.6385dc9357d85ad1d47b4abb2525e7651fd498917d25eefc5a72feab09eedc70.png) + ![GPS 传感器设置](../../../../../translated_images/zh-CN/counterfit-create-gps-sensor.6385dc9357d85ad1.webp) GPS 传感器将被创建并显示在传感器列表中。 - ![已创建的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor.3fbb15af0a5367566f2f11324ef5a6f30861cdf2b497071a5e002b7aa473550e.png) + ![已创建的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor.3fbb15af0a536756.webp) ## 编程 GPS 传感器 @@ -102,17 +102,17 @@ * 将 **Source** 设置为 `Lat/Lon`，并设置明确的纬度、经度以及用于获取 GPS 定位的卫星数量。此值将仅发送一次，因此勾选 **Repeat** 复选框以使数据每秒重复发送。 - ![选择纬度和经度的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-latlon.008c867d75464fbe7f84107cc57040df565ac07cb57d2f21db37d087d470197d.png) + ![选择纬度和经度的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-latlon.008c867d75464fbe.webp) * 将 **Source** 设置为 `NMEA`，并在文本框中添加一些 NMEA 语句。所有这些值将被发送，每个新的 GGA（位置固定）语句之间有 1 秒的延迟。 - ![设置 NMEA 语句的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-nmea.c62eea442171e17e19528b051b104cfcecdc9cd18db7bc72920f29821ae63f73.png) + ![设置 NMEA 语句的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-nmea.c62eea442171e17e.webp) 你可以使用类似 [nmeagen.org](https://www.nmeagen.org) 的工具通过在地图上绘制来生成这些语句。这些值将仅发送一次，因此勾选 **Repeat** 复选框以使数据在全部发送后每秒重复一次。 * 将 **Source** 设置为 GPX 文件，并上传一个包含轨迹位置的 GPX 文件。你可以从许多流行的地图和徒步网站（如 [AllTrails](https://www.alltrails.com/)）下载 GPX 文件。这些文件包含多个 GPS 位置作为轨迹，GPS 传感器将以 1 秒间隔返回每个新位置。 - ![设置 GPX 文件的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-gpxfile.8310b063ce8a425ccc8ebeec8306aeac5e8e55207f007d52c6e1194432a70cd9.png) + ![设置 GPX 文件的 GPS 传感器](../../../../../translated_images/zh-CN/counterfit-gps-sensor-gpxfile.8310b063ce8a425c.webp) 这些值将仅发送一次，因此勾选 **Repeat** 复选框以使数据在全部发送后每秒重复一次。 diff --git a/translations/zh-CN/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md b/translations/zh-CN/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md index 7b548a53d..17d138f4e 100644 --- a/translations/zh-CN/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md +++ b/translations/zh-CN/3-transport/lessons/1-location-tracking/wio-terminal-gps-sensor.md @@ -18,7 +18,7 @@ Grove GPS 传感器可以连接到 Wio Terminal。 连接 GPS 传感器。 -![Grove GPS 传感器](../../../../../translated_images/zh-CN/grove-gps-sensor.247943bf69b03f0d1820ef6ed10c587f9b650e8db55b936851c92412180bd3e2.png) +![Grove GPS 传感器](../../../../../translated_images/zh-CN/grove-gps-sensor.247943bf69b03f0d.webp) 1. 将 Grove 电缆的一端插入 GPS 传感器上的插座。电缆只能以一种方向插入。 diff --git a/translations/zh-CN/3-transport/lessons/2-store-location-data/README.md b/translations/zh-CN/3-transport/lessons/2-store-location-data/README.md index 11aacc963..75e4f1711 100644 --- a/translations/zh-CN/3-transport/lessons/2-store-location-data/README.md +++ b/translations/zh-CN/3-transport/lessons/2-store-location-data/README.md @@ -1,6 +1,6 @@ # 存储位置信息数据 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-12.ca7f53039712a3ec14ad6474d8445361c84adab643edc53fa6269b77895606bb.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-12.ca7f53039712a3ec.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -75,7 +75,7 @@ NoSQL 数据库之所以被称为 NoSQL，是因为它们没有 SQL 数据库的 > 💁 尽管名字叫 NoSQL，但一些 NoSQL 数据库允许你使用 SQL 查询数据。 -![NoSQL 数据库中的文件夹中的文档](../../../../../translated_images/zh-CN/noqsl-database.62d24ccf5b73f60d35c245a8533f1c7147c0928e955b82cb290b2e184bb434df.png) +![NoSQL 数据库中的文件夹中的文档](../../../../../translated_images/zh-CN/noqsl-database.62d24ccf5b73f60d.webp) NoSQL 数据库没有预定义的模式来限制数据的存储方式，你可以插入任何非结构化数据，通常使用 JSON 文档。这些文档可以像计算机上的文件一样组织成文件夹。每个文档可以与其他文档有不同的字段——例如，如果你存储农用车辆的 IoT 数据，有些可能有加速度计和速度数据的字段，另一些可能有挂车温度的字段。如果你想添加一种新型卡车，例如带有内置秤以跟踪所载货物重量的卡车，那么你的 IoT 设备可以添加这个新字段，并且可以在无需更改数据库的情况下存储它。 @@ -89,7 +89,7 @@ NoSQL 数据库没有预定义的模式来限制数据的存储方式，你可 在上一课中，你从连接到 IoT 设备的 GPS 传感器捕获了 GPS 数据。为了在云端存储这些 IoT 数据，你需要将其发送到 IoT 服务。你将再次使用 Azure IoT Hub，这是你在前一个项目中使用的同一个 IoT 云服务。 -![将 GPS 遥测数据从 IoT 设备发送到 IoT Hub](../../../../../translated_images/zh-CN/gps-telemetry-iot-hub.8115335d51cd2c1285d20e9d1b18cf685e59a8e093e7797291ef173445af6f3d.png) +![将 GPS 遥测数据从 IoT 设备发送到 IoT Hub](../../../../../translated_images/zh-CN/gps-telemetry-iot-hub.8115335d51cd2c12.webp) ### 任务 - 将 GPS 数据发送到 IoT Hub @@ -171,7 +171,7 @@ message = Message(json.dumps(message_json)) 一旦数据流入你的 IoT Hub，你可以编写一些无服务器代码来监听发布到 Event-Hub 兼容端点的事件。这是温路径——这些数据将被存储，并在下一课中用于报告行程。 -![将 GPS 遥测数据从 IoT 设备发送到 IoT Hub，然后通过事件中心触发器发送到 Azure Functions](../../../../../translated_images/zh-CN/gps-telemetry-iot-hub-functions.24d3fa5592455e9f4e2fe73856b40c3915a292b90263c31d652acfd976cfedd8.png) +![将 GPS 遥测数据从 IoT 设备发送到 IoT Hub，然后通过事件中心触发器发送到 Azure Functions](../../../../../translated_images/zh-CN/gps-telemetry-iot-hub-functions.24d3fa5592455e9f.webp) ### 任务 - 使用无服务器代码处理 GPS 事件 @@ -193,7 +193,7 @@ message = Message(json.dumps(message_json)) ## Azure 存储账户 -![Azure 存储标志](../../../../../translated_images/zh-CN/azure-storage-logo.605c0f602c640d482a80f1b35a2629a32d595711b7ab1d7ceea843250615ff32.png) +![Azure 存储标志](../../../../../translated_images/zh-CN/azure-storage-logo.605c0f602c640d48.webp) Azure 存储账户是一种通用存储服务，可以以多种方式存储数据。你可以将数据存储为 Blob、队列、表或文件，并且可以同时使用这些方式。 diff --git a/translations/zh-CN/3-transport/lessons/3-visualize-location-data/README.md b/translations/zh-CN/3-transport/lessons/3-visualize-location-data/README.md index e231dd014..915b20ca8 100644 --- a/translations/zh-CN/3-transport/lessons/3-visualize-location-data/README.md +++ b/translations/zh-CN/3-transport/lessons/3-visualize-location-data/README.md @@ -1,6 +1,6 @@ # 可视化位置数据 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-13.a259db1485021be7d7c72e90842fbe0ab977529e8684c179b5fb1ea75e92b3ef.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-13.a259db1485021be7.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -64,11 +64,11 @@ 对于人类来说，理解这些数据可能很困难。这是一堆没有意义的数字。作为可视化这些数据的第一步，可以将其绘制成折线图： -![上述数据的折线图](../../../../../translated_images/zh-CN/chart-soil-moisture.fd6d9d0cdc0b5f75e78038ecb8945dfc84b38851359de99d84b16e3336d6d7c2.png) +![上述数据的折线图](../../../../../translated_images/zh-CN/chart-soil-moisture.fd6d9d0cdc0b5f75.webp) 进一步优化，可以添加一条线，表示当土壤湿度读数达到 450 时自动浇水系统启动的时间点： -![带有 450 线的土壤湿度折线图](../../../../../translated_images/zh-CN/chart-soil-moisture-relay.fbb391236d34a64d0abf1df396e9197e0a24df14150620b9cc820a64a55c9326.png) +![带有 450 线的土壤湿度折线图](../../../../../translated_images/zh-CN/chart-soil-moisture-relay.fbb391236d34a64d.webp) 这个图表可以快速显示土壤湿度水平以及浇水系统启动的时间点。 @@ -84,7 +84,7 @@ 处理地图是一个有趣的练习，有许多地图服务可供选择，例如 Bing Maps、Leaflet、Open Street Maps 和 Google Maps。在本课中，你将学习 [Azure Maps](https://azure.microsoft.com/services/azure-maps/?WT.mc_id=academic-17441-jabenn) 以及如何使用它来显示你的 GPS 数据。 -![Azure Maps 标志](../../../../../translated_images/zh-CN/azure-maps-logo.35d01dcfbd81fe6140e94257aaa1538f785a58c91576d14e0ebe7a2f6c694b99.png) +![Azure Maps 标志](../../../../../translated_images/zh-CN/azure-maps-logo.35d01dcfbd81fe61.webp) Azure Maps 是“一组地理空间服务和 SDK，使用最新的地图数据为网页和移动应用提供地理背景。”开发者可以使用这些工具创建美观、交互式的地图，这些地图可以提供推荐的交通路线、交通事故信息、室内导航、搜索功能、海拔信息、天气服务等。 @@ -185,7 +185,7 @@ Azure Maps 是“一组地理空间服务和 SDK，使用最新的地图数据 如果你在浏览器中打开你的 `index.html` 页面，你应该会看到一个地图加载并聚焦在西雅图地区。 - ![显示西雅图的地图，西雅图是美国华盛顿州的一个城市](../../../../../translated_images/zh-CN/map-image.8fb2c53eb23ef39c1c0a4410a5282e879b3b452b707eb066ff04c5488d3d72b7.png) + ![显示西雅图的地图，西雅图是美国华盛顿州的一个城市](../../../../../translated_images/zh-CN/map-image.8fb2c53eb23ef39c.webp) ✅ 尝试调整缩放和中心参数以更改地图显示。你可以添加与你数据的纬度和经度对应的不同坐标来重新定位地图。 @@ -319,7 +319,7 @@ Azure Maps 是“一组地理空间服务和 SDK，使用最新的地图数据 1. 在浏览器中加载 HTML 页面。页面将加载地图，然后从存储中加载所有 GPS 数据并将其绘制在地图上。 - ![西雅图附近圣爱德华州立公园的地图，显示公园边缘路径上的圆形标记](../../../../../translated_images/zh-CN/map-path.896832e72dc696ffe20650e4051027d4855442d955f93fdbb80bb417ca8a406f.png) + ![西雅图附近圣爱德华州立公园的地图，显示公园边缘路径上的圆形标记](../../../../../translated_images/zh-CN/map-path.896832e72dc696ff.webp) > 💁 您可以在 [code](../../../../../3-transport/lessons/3-visualize-location-data/code) 文件夹中找到此代码。 diff --git a/translations/zh-CN/3-transport/lessons/4-geofences/README.md b/translations/zh-CN/3-transport/lessons/4-geofences/README.md index 672a82e30..fbcc0c9a1 100644 --- a/translations/zh-CN/3-transport/lessons/4-geofences/README.md +++ b/translations/zh-CN/3-transport/lessons/4-geofences/README.md @@ -1,6 +1,6 @@ # 地理围栏 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-14.63980c5150ae3c153e770fb71d044c1845dce79248d86bed9fc525adf3ede73c.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-14.63980c5150ae3c15.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -35,7 +35,7 @@ 地理围栏是一个虚拟的边界，用于定义现实世界中的地理区域。地理围栏可以是以点和半径定义的圆形（例如围绕某建筑物 100 米范围的圆），也可以是覆盖某个区域的多边形，例如学校区域、城市边界或大学/办公园区。 -![一些地理围栏示例，显示微软公司商店周围的圆形地理围栏，以及微软西区园区的多边形地理围栏](../../../../../translated_images/zh-CN/geofence-examples.172fbc534665769f6e1a1ddcf75e3b25183cd10354c80cc603ba44b635390e1a.png) +![一些地理围栏示例，显示微软公司商店周围的圆形地理围栏，以及微软西区园区的多边形地理围栏](../../../../../translated_images/zh-CN/geofence-examples.172fbc534665769f.webp) > 💁 你可能已经在不知不觉中使用过地理围栏。如果你曾使用 iOS 提醒事项应用或 Google Keep 设置基于位置的提醒，那么你就使用过地理围栏。这些应用会根据提供的位置设置地理围栏，并在你的手机进入地理围栏时提醒你。 @@ -212,7 +212,7 @@ API 调用返回的结果中包含一个 `distance` 值，表示到地理围栏 例如，假设 GPS 读数显示车辆沿着一条道路行驶，而这条道路最终靠近地理围栏。如果单个 GPS 值不准确，将车辆定位在地理围栏内，尽管没有车辆通行的入口，那么可以忽略该值。 -![一条 GPS 轨迹显示车辆沿 520 公路经过微软园区，GPS 读数沿着道路分布，除了一个点位于园区内的地理围栏中](../../../../../translated_images/zh-CN/geofence-crossing-inaccurate-gps.6a3ed911202ad9cabb66d3964888cec03a42c61d5b8f536ad5bdc99716b370f5.png) +![一条 GPS 轨迹显示车辆沿 520 公路经过微软园区，GPS 读数沿着道路分布，除了一个点位于园区内的地理围栏中](../../../../../translated_images/zh-CN/geofence-crossing-inaccurate-gps.6a3ed911202ad9ca.webp) 在上图中，微软园区的一部分被设置了地理围栏。红线表示一辆卡车沿着520公路行驶，圆点表示GPS读数。大多数读数是准确的，沿着520公路，但有一个不准确的读数显示在地理围栏内。这个读数显然是错误的——卡车不可能突然从520公路转入园区，然后又回到520公路。检查地理围栏的代码需要在处理地理围栏测试结果之前考虑之前的读数。 ✅ 你需要检查哪些额外的数据来判断一个GPS读数是否可以被认为是正确的？ @@ -284,7 +284,7 @@ API 调用返回的结果中包含一个 `distance` 值，表示到地理围栏 答案是它无法知道！因此，你可以定义多个独立的连接来读取事件，每个连接可以管理未读消息的重播。这些被称为*消费组*。当你连接到端点时，可以指定你想连接的消费组。应用程序的每个组件将连接到不同的消费组。 -![一个IoT Hub有3个消费组将相同的消息分发到3个不同的Functions应用](../../../../../translated_images/zh-CN/consumer-groups.a3262e26fc27ba2092863678ad57af15c7223416e388a23f330c058cf4358630.png) +![一个IoT Hub有3个消费组将相同的消息分发到3个不同的Functions应用](../../../../../translated_images/zh-CN/consumer-groups.a3262e26fc27ba20.webp) 理论上，每个消费组最多可以连接5个应用程序，它们都会在消息到达时接收消息。最佳实践是每个消费组只允许一个应用程序访问，以避免重复处理消息，并确保在重启时所有排队的消息都能正确处理。例如，如果你在本地启动了Functions应用，同时在云端运行，它们都会处理消息，导致存储账户中存储重复的blob。 diff --git a/translations/zh-CN/4-manufacturing/lessons/1-train-fruit-detector/README.md b/translations/zh-CN/4-manufacturing/lessons/1-train-fruit-detector/README.md index 39da77e10..dc37e3fe2 100644 --- a/translations/zh-CN/4-manufacturing/lessons/1-train-fruit-detector/README.md +++ b/translations/zh-CN/4-manufacturing/lessons/1-train-fruit-detector/README.md @@ -1,6 +1,6 @@ # 训练水果质量检测器 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-15.843d21afdc6fb2bba70cd9db7b7d2f91598859fafda2078b0bdc44954194b6c0.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-15.843d21afdc6fb2bb.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -38,7 +38,7 @@ 自动化收割的兴起将农产品的分类从田间转移到了工厂。在工厂中，食品通过长长的传送带运输，由人工团队挑选出不符合质量标准的产品。尽管机械化收割降低了收割成本，但人工分类仍然需要一定的费用。 -![如果检测到红色西红柿，它会继续前进。如果检测到绿色西红柿，杠杆会将其弹入废料箱](../../../../../translated_images/zh-CN/optical-tomato-sorting.61aa134bdda4e5b1bfb16a212c1e35a6ef0c426cbb8b1c975f79d7bfbf48d068.png) +![如果检测到红色西红柿，它会继续前进。如果检测到绿色西红柿，杠杆会将其弹入废料箱](../../../../../translated_images/zh-CN/optical-tomato-sorting.61aa134bdda4e5b1.webp) 下一步的进化是使用机器进行分类，这些机器可以内置在收割机中或位于加工厂中。第一代此类机器使用光学传感器检测颜色，通过控制执行器将绿色西红柿用杠杆或气流弹入废料箱，而红色西红柿则继续沿传送带网络前进。 @@ -62,7 +62,7 @@ > 🎓 机器学习模型的结果称为*预测* -![两根香蕉，一根成熟的预测为 99.7% 成熟，0.3% 未成熟；另一根未成熟的预测为 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/zh-CN/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50ece4e4589e724b142da0681f35470fe3db3f7d51240f69c85.png) +![两根香蕉，一根成熟的预测为 99.7% 成熟，0.3% 未成熟；另一根未成熟的预测为 1.4% 成熟，98.6% 未成熟](../../../../../translated_images/zh-CN/bananas-ripe-vs-unripe-predictions.8d0e2034014aa50e.webp) 机器学习模型不会给出二元答案，而是提供概率。例如，一个模型可能会对一张香蕉图片预测 `成熟` 的概率为 99.7%，`未成熟` 的概率为 0.3%。您的代码会选择最优预测，并判断这根香蕉是成熟的。 @@ -90,7 +90,7 @@ Custom Vision 是一个基于云的工具，用于训练图像分类器。它允许您仅使用少量图片训练分类器。您可以通过 Web 门户、Web API 或 SDK 上传图片，并为每张图片添加一个*标签*，表示该图片的分类。然后，您可以训练模型并测试其性能。一旦对模型满意，您可以发布其版本，通过 Web API 或 SDK 访问。 -![Azure Custom Vision 标志](../../../../../translated_images/zh-CN/custom-vision-logo.d3d4e7c8a87ec9daf825e72e210576c3cbf60312577be7a139e22dd97ab7f1e6.png) +![Azure Custom Vision 标志](../../../../../translated_images/zh-CN/custom-vision-logo.d3d4e7c8a87ec9da.webp) > 💁 您可以用每个分类仅 5 张图片训练一个 Custom Vision 模型，但图片越多效果越好。至少 30 张图片可以获得更好的结果。 @@ -146,7 +146,7 @@ Custom Vision 是 Microsoft 提供的一系列 AI 工具（称为 Cognitive Serv 创建项目时，请确保使用之前创建的 `fruit-quality-detector-training` 资源。选择*分类*项目类型、*多分类*分类类型，并选择*食品*领域。 - ![Custom Vision 项目的设置，名称为 fruit-quality-detector，无描述，资源为 fruit-quality-detector-training，项目类型为分类，分类类型为多分类，领域为食品](../../../../../translated_images/zh-CN/custom-vision-create-project.cf46325b92d8b131089f6647cf5e07b664cb77850e106d66e3c057b6b69756c6.png) + ![Custom Vision 项目的设置，名称为 fruit-quality-detector，无描述，资源为 fruit-quality-detector-training，项目类型为分类，分类类型为多分类，领域为食品](../../../../../translated_images/zh-CN/custom-vision-create-project.cf46325b92d8b131.webp) ✅ 花些时间探索您的图像分类器的 Custom Vision UI。 @@ -164,7 +164,7 @@ Custom Vision 是 Microsoft 提供的一系列 AI 工具（称为 Cognitive Serv * 使用2个成熟的香蕉，从不同角度为每个香蕉拍摄几张图片，至少拍摄7张（5张用于训练，2张用于测试），但理想情况下更多。 - ![两根不同香蕉的照片](../../../../../translated_images/zh-CN/banana-training-images.530eb203346d73bc23b8b990fb4609470bf4ff7c942ccc13d4cfffeed9be1ad4.png) + ![两根不同香蕉的照片](../../../../../translated_images/zh-CN/banana-training-images.530eb203346d73bc.webp) * 对2个未成熟的香蕉重复相同的过程。 @@ -174,7 +174,7 @@ Custom Vision 是 Microsoft 提供的一系列 AI 工具（称为 Cognitive Serv 1. 按照[Microsoft文档中构建分类器快速入门的上传和标记图片部分](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)上传你的训练图片。将成熟的水果标记为`ripe`，未成熟的水果标记为`unripe`。 - ![上传成熟和未成熟香蕉图片的对话框](../../../../../translated_images/zh-CN/image-upload-bananas.0751639f3815e0ec42bdbc6254d1e4357a185834d1ae10c9948a0e7d6d336695.png) + ![上传成熟和未成熟香蕉图片的对话框](../../../../../translated_images/zh-CN/image-upload-bananas.0751639f3815e0ec.webp) 1. 按照[Microsoft文档中构建分类器快速入门的训练分类器部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/getting-started-build-a-classifier?WT.mc_id=academic-17441-jabenn#train-the-classifier)训练你的图像分类器。 @@ -192,7 +192,7 @@ Custom Vision 是 Microsoft 提供的一系列 AI 工具（称为 Cognitive Serv 1. 按照[Microsoft文档中测试模型的文档](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/test-your-model?WT.mc_id=academic-17441-jabenn#test-your-model)测试你的图像分类器。使用你之前创建的测试图片，而不是任何用于训练的图片。 - ![一个未成熟香蕉被预测为未成熟，概率为98.9%，成熟概率为1.1%](../../../../../translated_images/zh-CN/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64886422438850ea14f0be6ac918c217ea3b255c685abfabe7.png) + ![一个未成熟香蕉被预测为未成熟，概率为98.9%，成熟概率为1.1%](../../../../../translated_images/zh-CN/banana-unripe-quick-test-prediction.dae9b5e1c4ef7c64.webp) 1. 尝试使用你所有的测试图片，并观察概率。 diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/README.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/README.md index 2acd28b9c..d00fa7712 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/README.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/README.md @@ -1,6 +1,6 @@ # 从物联网设备检查水果质量 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-16.215daf18b00631fbdfd64c6fc2dc6044dff5d544288825d8076f9fb83d964c23.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-16.215daf18b00631fb.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -26,7 +26,7 @@ 顾名思义，摄像头传感器是可以连接到物联网设备的摄像头。它们可以拍摄静态图像或捕获流媒体视频。有些会返回原始图像数据，而有些会将图像数据压缩成如 JPEG 或 PNG 格式的图像文件。通常，与物联网设备配套的摄像头比你习惯使用的摄像头要小得多，分辨率也较低，但你也可以找到分辨率媲美高端手机的摄像头。你还可以选择各种可更换镜头、多摄像头配置、红外热成像摄像头或紫外线摄像头。 -![场景中的光线通过镜头聚焦到 CMOS 传感器上](../../../../../translated_images/zh-CN/cmos-sensor.75f9cd74decb137149a4c9ea825251a4549497d67c0ae2776159e6102bb53aa9.png) +![场景中的光线通过镜头聚焦到 CMOS 传感器上](../../../../../translated_images/zh-CN/cmos-sensor.75f9cd74decb1371.webp) 大多数摄像头传感器使用图像传感器，其中每个像素是一个光电二极管。镜头将图像聚焦到图像传感器上，成千上万个光电二极管检测到落在其上的光线，并将其记录为像素数据。 @@ -74,7 +74,7 @@ 1. 点击该迭代的 **发布** 按钮。 - ![发布按钮](../../../../../translated_images/zh-CN/custom-vision-publish-button.b7174e1977b0c33b8b72d4e5b1326c779e0af196f3849d09985ee2d7d5493a39.png) + ![发布按钮](../../../../../translated_images/zh-CN/custom-vision-publish-button.b7174e1977b0c33b.webp) 1. 在 *发布模型* 对话框中，将 *预测资源* 设置为你在上一课中创建的 `fruit-quality-detector-prediction` 资源。将名称保留为 `Iteration2`，然后点击 **发布** 按钮。 @@ -88,7 +88,7 @@ 同时复制 *预测密钥* 值。这是一个安全密钥，调用模型时必须传递。只有传递此密钥的应用程序才被允许使用模型，其他应用程序将被拒绝。 - ![预测 API 对话框显示 URL 和密钥](../../../../../translated_images/zh-CN/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![预测 API 对话框显示 URL 和密钥](../../../../../translated_images/zh-CN/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ 当一个新迭代被发布时，它会有一个不同的名称。你认为如何更改物联网设备使用的迭代？ @@ -109,7 +109,7 @@ 为了获得最佳的图像分类器结果，你需要用与预测图像尽可能相似的图像训练模型。例如，如果你用手机摄像头捕获图像进行训练，图像质量、清晰度和颜色会与物联网设备连接的摄像头不同。 -![两张香蕉图片，一张是物联网设备拍摄的低分辨率、光线较差的图片，另一张是手机拍摄的高分辨率、光线良好的图片](../../../../../translated_images/zh-CN/banana-picture-compare.174df164dc326a42cf7fb051a7497e6113c620e91552d92ca914220305d47d9a.png) +![两张香蕉图片，一张是物联网设备拍摄的低分辨率、光线较差的图片，另一张是手机拍摄的高分辨率、光线良好的图片](../../../../../translated_images/zh-CN/banana-picture-compare.174df164dc326a42.webp) 在上图中，左边的香蕉图片是用树莓派摄像头拍摄的，右边的图片是用 iPhone 在同一位置拍摄的同一香蕉。可以明显看出质量差异——iPhone 的图片更清晰，颜色更鲜艳，对比度更高。 diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md index cf6492b98..b3b64538b 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/pi-camera.md @@ -16,7 +16,7 @@ ### 任务 - 连接摄像头 -![树莓派摄像头](../../../../../translated_images/zh-CN/pi-camera-module.4278753c31bd6e757aa2b858be97d72049f71616278cefe4fb5abb485b40a078.png) +![树莓派摄像头](../../../../../translated_images/zh-CN/pi-camera-module.4278753c31bd6e75.webp) 1. 关闭树莓派的电源。 @@ -24,17 +24,17 @@ 你可以在 [树莓派摄像头模块入门文档](https://projects.raspberrypi.org/en/projects/getting-started-with-picamera/2) 中找到一个动画，展示如何打开夹子并插入电缆。 - ![扁平电缆插入摄像头模块](../../../../../translated_images/zh-CN/pi-camera-ribbon-cable.0bf82acd251611c21ac616f082849413e2b322a261d0e4f8fec344248083b07e.png) + ![扁平电缆插入摄像头模块](../../../../../translated_images/zh-CN/pi-camera-ribbon-cable.0bf82acd251611c2.webp) 1. 从树莓派上移除 Grove Base Hat。 1. 将扁平电缆穿过 Grove Base Hat 的摄像头插槽。确保电缆的蓝色一面朝向标有 **A0**、**A1** 等的模拟端口。 - ![扁平电缆穿过 Grove Base Hat](../../../../../translated_images/zh-CN/grove-base-hat-ribbon-cable.501fed202fcf73b11b2b68f6d246189f7d15d3e4423c572ddee79d77b4632b47.png) + ![扁平电缆穿过 Grove Base Hat](../../../../../translated_images/zh-CN/grove-base-hat-ribbon-cable.501fed202fcf73b1.webp) 1. 将扁平电缆插入树莓派上的摄像头端口。同样，拉起黑色塑料夹，插入电缆，然后将夹子推回。电缆的蓝色一面应朝向 USB 和以太网端口。 - ![扁平电缆连接到树莓派的摄像头插座](../../../../../translated_images/zh-CN/pi-camera-socket-ribbon-cable.a18309920b11800911082ed7aa6fb28e6d9be3a022e4079ff990016cae3fca10.png) + ![扁平电缆连接到树莓派的摄像头插座](../../../../../translated_images/zh-CN/pi-camera-socket-ribbon-cable.a18309920b118009.webp) 1. 重新安装 Grove Base Hat。 @@ -101,7 +101,7 @@ `camera.rotation = 0` 行设置图像的旋转角度。扁平电缆从摄像头底部进入，但如果你的摄像头旋转过以便更容易对准你想要分类的物品，则可以将此行更改为旋转的角度。 - ![摄像头悬挂在饮料罐上方](../../../../../translated_images/zh-CN/pi-camera-upside-down.5376961ba31459883362124152ad6b823d5ac5fc14e85f317e22903bd681c2b6.png) + ![摄像头悬挂在饮料罐上方](../../../../../translated_images/zh-CN/pi-camera-upside-down.5376961ba3145988.webp) 例如，如果你将扁平电缆悬挂在某物上，使其位于摄像头顶部，则将旋转设置为 180： diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md index 3ba7d91dd..d17d20445 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/single-board-computer-classify-image.md @@ -84,7 +84,7 @@ Custom Vision 服务提供了一个 Python SDK，您可以用它来分类图像 您将能够看到拍摄的图像，以及这些值在 Custom Vision 的 **Predictions** 选项卡中显示。 - ![Custom Vision 中的一根香蕉，预测成熟度为 56.8%，未成熟度为 43.1%](../../../../../translated_images/zh-CN/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Custom Vision 中的一根香蕉，预测成熟度为 56.8%，未成熟度为 43.1%](../../../../../translated_images/zh-CN/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 您可以在 [code-classify/pi](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/pi) 或 [code-classify/virtual-iot-device](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/virtual-iot-device) 文件夹中找到此代码。 diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md index 7b1d1db27..f09a86f70 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/virtual-device-camera.md @@ -34,11 +34,11 @@ 1. 选择 **Add** 按钮以创建摄像头。 - ![摄像头设置](../../../../../translated_images/zh-CN/counterfit-create-camera.a5de97f59c0bd3cbe0416d7e89a3cfe86d19fbae05c641c53a91286412af0a34.png) + ![摄像头设置](../../../../../translated_images/zh-CN/counterfit-create-camera.a5de97f59c0bd3cb.webp) 摄像头将被创建并显示在传感器列表中。 - ![摄像头已创建](../../../../../translated_images/zh-CN/counterfit-camera.001ec52194c8ee5d3f617173da2c79e1df903d10882adc625cbfc493525125d4.png) + ![摄像头已创建](../../../../../translated_images/zh-CN/counterfit-camera.001ec52194c8ee5d.webp) ## 编程摄像头 @@ -103,7 +103,7 @@ 1. 配置 CounterFit 中摄像头将捕获的图像。您可以将 *Source* 设置为 *File*，然后上传一个图像文件，或者将 *Source* 设置为 *WebCam*，图像将从您的网络摄像头捕获。确保在选择图片或网络摄像头后点击 **Set** 按钮。 - ![CounterFit 中设置为文件的图像源，以及设置为网络摄像头显示一个人手持香蕉的预览](../../../../../translated_images/zh-CN/counterfit-camera-options.eb3bd5150a8e7dffbf24bc5bcaba0cf2cdef95fbe6bbe393695d173817d6b8df.png) + ![CounterFit 中设置为文件的图像源，以及设置为网络摄像头显示一个人手持香蕉的预览](../../../../../translated_images/zh-CN/counterfit-camera-options.eb3bd5150a8e7dff.webp) 1. 图像将被捕获并保存为当前文件夹中的 `image.jpg`。您将在 VS Code 的资源管理器中看到此文件。选择该文件以查看图像。如果需要旋转，请根据需要更新 `camera.rotation = 0` 行并重新拍摄图片。 diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md index 077fe36bb..66135d469 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-camera.md @@ -16,7 +16,7 @@ ArduCam 没有 Grove 插座，而是通过 Wio Terminal 的 GPIO 引脚连接到 连接摄像头。 -![ArduCam 传感器](../../../../../translated_images/zh-CN/arducam.20e4e4cbb268296570b5914e20d6c349fc42ddac9ed4e1b9deba2188204eebae.png) +![ArduCam 传感器](../../../../../translated_images/zh-CN/arducam.20e4e4cbb2682965.webp) 1. ArduCam 底部的引脚需要连接到 Wio Terminal 的 GPIO 引脚。为了更容易找到正确的引脚，请将 Wio Terminal 附带的 GPIO 引脚贴纸贴在引脚周围： @@ -35,7 +35,7 @@ ArduCam 没有 Grove 插座，而是通过 Wio Terminal 的 GPIO 引脚连接到 | SDA | 3 (I2C1_SDA) | I2C 串行数据 | | SCL | 5 (I2C1_SCL) | I2C 串行时钟 | - ![通过跳线连接到 ArduCam 的 Wio Terminal](../../../../../translated_images/zh-CN/arducam-wio-terminal-connections.a4d5a4049bdb5ab800a2877389fc6ecf5e4ff307e6451ff56c517e6786467d0a.png) + ![通过跳线连接到 ArduCam 的 Wio Terminal](../../../../../translated_images/zh-CN/arducam-wio-terminal-connections.a4d5a4049bdb5ab8.webp) GND 和 VCC 连接为 ArduCam 提供 5V 电源。它运行在 5V，而 Grove 传感器运行在 3V。此电源直接来自为设备供电的 USB-C 连接。 @@ -456,7 +456,7 @@ Wio Terminal 仅支持最大 16GB 的 microSD 卡。如果您有更大的 SD 卡 1. 关闭 microSD 卡并通过轻轻按下并释放将其弹出，它会弹出。您可能需要使用细工具执行此操作。将 microSD 卡插入计算机以查看图像。 - ![使用 ArduCam 捕获的香蕉图片](../../../../../translated_images/zh-CN/banana-arducam.be1b32d4267a8194b0fd042362e56faa431da9cd4af172051b37243ea9be0256.jpg) + ![使用 ArduCam 捕获的香蕉图片](../../../../../translated_images/zh-CN/banana-arducam.be1b32d4267a8194.webp) 💁 相机的白平衡可能需要几张图片来进行自我调整。您会根据捕获的图片颜色注意到这一点，前几张可能颜色不对。您可以通过更改代码，在 `setup` 函数中捕获几张被忽略的图片来解决这个问题。 diff --git a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md index ee84684a1..6389c1134 100644 --- a/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md +++ b/translations/zh-CN/4-manufacturing/lessons/2-check-fruit-from-device/wio-terminal-classify-image.md @@ -208,7 +208,7 @@ Custom Vision 服务提供了一个 REST API，您可以通过 Wio Terminal 调 您将能够看到拍摄的图像，以及这些值在 Custom Vision 的 **Predictions** 标签中。 - ![Custom Vision 中的香蕉预测结果：成熟 56.8%，未成熟 43.1%](../../../../../translated_images/zh-CN/custom-vision-banana-prediction.30cdff4e1d72db5d9a0be0193790a47c2b387da034e12dc1314dd57ca2131b59.png) + ![Custom Vision 中的香蕉预测结果：成熟 56.8%，未成熟 43.1%](../../../../../translated_images/zh-CN/custom-vision-banana-prediction.30cdff4e1d72db5d.webp) > 💁 您可以在 [code-classify/wio-terminal](../../../../../4-manufacturing/lessons/2-check-fruit-from-device/code-classify/wio-terminal) 文件夹中找到此代码。 diff --git a/translations/zh-CN/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md b/translations/zh-CN/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md index a52ae6228..5355155c1 100644 --- a/translations/zh-CN/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md +++ b/translations/zh-CN/4-manufacturing/lessons/3-run-fruit-detector-edge/README.md @@ -1,6 +1,6 @@ # 在边缘设备上运行水果检测器 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-17.bc333c3c35ba8e42cce666cfffa82b915f787f455bd94e006aea2b6f2722421a.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-17.bc333c3c35ba8e42.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -33,11 +33,11 @@ 边缘计算是指尽可能靠近数据生成位置的地方处理物联网数据。与在云端处理不同，边缘计算将处理移至云的边缘——即你的内部网络。 -![一个架构图，显示云端的互联网服务和本地网络上的物联网设备](../../../../../translated_images/zh-CN/cloud-without-edge.b4da641f6022c95ed6b91fde8b5323abd2f94e0d52073ad54172ae8f5dac90e9.png) +![一个架构图，显示云端的互联网服务和本地网络上的物联网设备](../../../../../translated_images/zh-CN/cloud-without-edge.b4da641f6022c95e.webp) 到目前为止的课程中，你的设备一直在收集数据并将其发送到云端进行分析，在云端运行无服务器函数或 AI 模型。 -![一个架构图，显示本地网络上的物联网设备连接到边缘设备，这些边缘设备再连接到云端](../../../../../translated_images/zh-CN/cloud-with-edge.1e26462c62c126fe150bd15a5714ddf0be599f09bacbad08b85be02b76ea1ae1.png) +![一个架构图，显示本地网络上的物联网设备连接到边缘设备，这些边缘设备再连接到云端](../../../../../translated_images/zh-CN/cloud-with-edge.1e26462c62c126fe.webp) 边缘计算将部分云服务从云端移到与物联网设备同一网络上的计算机上，仅在需要时与云端通信。例如，你可以在边缘设备上运行 AI 模型来分析水果的成熟度，仅将分析结果（如成熟水果与未成熟水果的数量）发送回云端。 @@ -85,7 +85,7 @@ ## Azure IoT Edge -![Azure IoT Edge 的标志](../../../../../translated_images/zh-CN/azure-iot-edge-logo.c1c076749b5cba2e8755262fadc2f19ca1146b948d76990b1229199ac2292d79.png) +![Azure IoT Edge 的标志](../../../../../translated_images/zh-CN/azure-iot-edge-logo.c1c076749b5cba2e.webp) Azure IoT Edge 是一项服务，可以帮助你将工作负载从云端移到边缘。你可以将设备设置为边缘设备，并从云端向该边缘设备部署代码。这使得你可以混合使用云和边缘的功能。 @@ -99,7 +99,7 @@ IoT Edge 内置于 IoT Hub 中，因此你可以使用与管理物联网设备 IoT Edge 从 *容器* 中运行代码——容器是独立的应用程序，运行时与计算机上的其他应用程序隔离。当你运行一个容器时，它就像在你的计算机中运行的一个独立计算机，拥有自己的软件、服务和应用程序。大多数情况下，容器无法访问计算机上的任何内容，除非你选择共享某些内容（例如文件夹）给容器。容器通过开放端口暴露服务，你可以连接到这些端口或将其暴露到网络。 -![一个网络请求被重定向到容器](../../../../../translated_images/zh-CN/container-web-browser.4ee81dd4f0d8838ce622b2a0d600b6a4322b5d4fe43159facd87b7b34f84d66a.png) +![一个网络请求被重定向到容器](../../../../../translated_images/zh-CN/container-web-browser.4ee81dd4f0d8838c.webp) 例如，你可以在端口 80（默认 HTTP 端口）上运行一个带有网站的容器，然后也在你的计算机上通过端口 80 暴露它。 @@ -195,11 +195,11 @@ IoT Edge 从 *容器* 中运行代码——容器是独立的应用程序，运 ## 为部署准备容器 -![容器被构建后推送到容器注册表，然后通过 IoT Edge 从容器注册表部署到边缘设备](../../../../../translated_images/zh-CN/container-edge-flow.c246050dd60ceefdb6ace026a4ce5c6aa4112bb5898ae23fbb2ab4be29ae3e1b.png) +![容器被构建后推送到容器注册表，然后通过 IoT Edge 从容器注册表部署到边缘设备](../../../../../translated_images/zh-CN/container-edge-flow.c246050dd60ceefd.webp) 下载模型后，需要将其构建为容器，然后推送到容器注册表——一个在线存储容器的位置。IoT Edge 可以从注册表下载容器并将其推送到你的设备。 -![Azure 容器注册表标志](../../../../../translated_images/zh-CN/azure-container-registry-logo.09494206991d4b295025ebff7d4e2900325e527a59184ffbc8464b6ab59654be.png) +![Azure 容器注册表标志](../../../../../translated_images/zh-CN/azure-container-registry-logo.09494206991d4b29.webp) 本课程中使用的容器注册表是 Azure 容器注册表。这不是一个免费服务，因此为了节省费用，请确保在完成后[清理你的项目](../../../clean-up.md)。 diff --git a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/README.md b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/README.md index 35d155e9c..76c235b3c 100644 --- a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/README.md +++ b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/README.md @@ -1,6 +1,6 @@ # 从传感器触发水果质量检测 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-18.92c32ed1d354caa5a54baa4032cf0b172d4655e8e326ad5d46c558a0def15365.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-18.92c32ed1d354caa5.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -39,7 +39,7 @@ ### 参考物联网架构 -![参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture.2278b98b55c6d4e89bde18eada3688d893861d43507641804dd2f9d3079cfaa0.png) +![参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture.2278b98b55c6d4e8.webp) 上图展示了一个参考物联网架构。 @@ -49,7 +49,7 @@ * **洞察** 来自无服务器应用程序，或存储数据上的分析。 * **行动** 可以是发送给设备的命令，或数据的可视化以帮助人类做出决策。 -![参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture-azure.0b8d2161af924cb18ae48a8558a19541cca47f27264851b5b7e56d7b8bb372ac.png) +![参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture-azure.0b8d2161af924cb1.webp) 上图展示了这些课程中涉及的一些组件和服务，以及它们如何在参考物联网架构中链接在一起。 @@ -89,7 +89,7 @@ ### 应用原型设计 -![水果质量检测的参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture-fruit-quality.cc705f121c3b6fa71c800d9630935ac34bc08223a04601e35f41d5e9b5dd5207.png) +![水果质量检测的参考物联网架构](../../../../../translated_images/zh-CN/iot-reference-architecture-fruit-quality.cc705f121c3b6fa7.webp) 上图展示了该原型应用的参考架构。 @@ -124,7 +124,7 @@ 原型水果检测器有多个组件相互通信。 -![组件之间的通信](../../../../../translated_images/zh-CN/fruit-quality-detector-message-flow.adf2a65da8fd8741ac7af11361574de89adc126785d67606bb4d2ec00467e380.png) +![组件之间的通信](../../../../../translated_images/zh-CN/fruit-quality-detector-message-flow.adf2a65da8fd8741.webp) * 接近传感器测量到水果的距离并将数据发送到 IoT Hub * 控制摄像头的命令从 IoT Hub 发送到摄像头设备 diff --git a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md index e1bb2af8b..55bcdde44 100644 --- a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md +++ b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/pi-proximity.md @@ -20,7 +20,7 @@ Grove 飞行时间传感器可以连接到树莓派。 连接飞行时间传感器。 -![一个 Grove 飞行时间传感器](../../../../../translated_images/zh-CN/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![一个 Grove 飞行时间传感器](../../../../../translated_images/zh-CN/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. 将 Grove 电缆的一端插入飞行时间传感器上的插座。电缆只能以一种方向插入。 diff --git a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md index 398ffdc7d..b0669f75b 100644 --- a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md +++ b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/virtual-device-proximity.md @@ -36,11 +36,11 @@ 1. 点击 **Add** 按钮以创建距离传感器。 - ![距离传感器设置](../../../../../translated_images/zh-CN/counterfit-create-distance-sensor.967c9fb98f27888d95920c9784d004c972490eb71f70397fe13bd70a79a879a3.png) + ![距离传感器设置](../../../../../translated_images/zh-CN/counterfit-create-distance-sensor.967c9fb98f27888d.webp) 距离传感器将被创建并显示在传感器列表中。 - ![已创建的距离传感器](../../../../../translated_images/zh-CN/counterfit-distance-sensor.079eefeeea0b68afc36431ce8fcbe2f09a7e4916ed1cd5cb30e696db53bc18fa.png) + ![已创建的距离传感器](../../../../../translated_images/zh-CN/counterfit-distance-sensor.079eefeeea0b68af.webp) ## 编程距离传感器 diff --git a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md index 071bebfa9..de729d414 100644 --- a/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md +++ b/translations/zh-CN/4-manufacturing/lessons/4-trigger-fruit-detector/wio-terminal-proximity.md @@ -20,7 +20,7 @@ Grove 飞行时间传感器可以连接到 Wio Terminal。 连接飞行时间传感器。 -![一个 Grove 飞行时间传感器](../../../../../translated_images/zh-CN/grove-time-of-flight-sensor.d82ff2165bfded9f485de54d8d07195a6270a602696825fca19f629ddfe94e86.png) +![一个 Grove 飞行时间传感器](../../../../../translated_images/zh-CN/grove-time-of-flight-sensor.d82ff2165bfded9f.webp) 1. 将 Grove 电缆的一端插入飞行时间传感器上的插座。它只能以一种方式插入。 diff --git a/translations/zh-CN/5-retail/lessons/1-train-stock-detector/README.md b/translations/zh-CN/5-retail/lessons/1-train-stock-detector/README.md index 990761bad..ed93310ed 100644 --- a/translations/zh-CN/5-retail/lessons/1-train-stock-detector/README.md +++ b/translations/zh-CN/5-retail/lessons/1-train-stock-detector/README.md @@ -1,6 +1,6 @@ # 训练库存检测器 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-19.cf6973cecadf080c4b526310620dc4d6f5994c80fb0139c6f378cc9ca2d435cd.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-19.cf6973cecadf080c.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -36,7 +36,7 @@ 图像分类是对整个图像进行分类——判断整个图像与每个标签匹配的概率。你会得到模型训练时使用的每个标签的概率。 -![腰果和番茄酱的图像分类](../../../../../translated_images/zh-CN/image-classifier-cashews-tomato.bc2e16ab8f05cf9ac0f59f73e32efc4227f9a5b601b90b2c60f436694547a965.png) +![腰果和番茄酱的图像分类](../../../../../translated_images/zh-CN/image-classifier-cashews-tomato.bc2e16ab8f05cf9a.webp) 在上面的例子中，两个图像使用一个训练过的模型进行分类，该模型可以分类腰果罐或番茄酱罐。第一个图像是一个腰果罐，图像分类器的结果如下： @@ -60,7 +60,7 @@ > 🎓 *边界框* 是围绕对象的框。 -![腰果和番茄酱的对象检测](../../../../../translated_images/zh-CN/object-detector-cashews-tomato.1af7c26686b4db0e709754aeb196f4e73271f54e2085db3bcccb70d4a0d84d97.png) +![腰果和番茄酱的对象检测](../../../../../translated_images/zh-CN/object-detector-cashews-tomato.1af7c26686b4db0e.webp) 上图中包含一个腰果罐和三个番茄酱罐。对象检测器检测到了腰果罐，返回了包含腰果罐的边界框以及该边界框包含该对象的概率（此处为97.6%）。对象检测器还检测到了三个番茄酱罐，并提供了三个单独的边界框，每个检测到的罐子都有一个概率，表示该边界框包含一个番茄酱罐。 @@ -111,7 +111,7 @@ 创建项目时，请确保使用之前创建的 `stock-detector-training` 资源。选择 *对象检测* 项目类型，并选择 *货架上的商品* 域。 - ![Custom Vision 项目设置，名称设置为 fruit-quality-detector，无描述，资源设置为 fruit-quality-detector-training，项目类型设置为分类，分类类型设置为多类，域设置为食品](../../../../../translated_images/zh-CN/custom-vision-create-object-detector-project.32d4fb9aa8e7e7375f8a799bfce517aca970f2cb65e42d4245c5e635c734ab29.png) + ![Custom Vision 项目设置，名称设置为 fruit-quality-detector，无描述，资源设置为 fruit-quality-detector-training，项目类型设置为分类，分类类型设置为多类，域设置为食品](../../../../../translated_images/zh-CN/custom-vision-create-object-detector-project.32d4fb9aa8e7e737.webp) ✅ *货架上的商品* 域专门用于检测货架上的库存。阅读更多关于不同域的信息，请参阅 [Microsoft Docs 中的选择域文档](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/select-domain?WT.mc_id=academic-17441-jabenn#object-detection)。 @@ -133,11 +133,11 @@ 1. 按照 Microsoft 文档中 [构建对象检测器快速入门的上传和标记图像部分](https://docs.microsoft.com/azure/cognitive-services/custom-vision-service/get-started-build-detector?WT.mc_id=academic-17441-jabenn#upload-and-tag-images) 的说明上传你的训练图像。根据你想检测的对象类型创建相关标签。 - ![上传对成熟和未成熟香蕉图片的对话框](../../../../../translated_images/zh-CN/image-upload-object-detector.77c7892c3093cb59b79018edecd678749a75d71a099bc8a2d2f2f76320f88a5b.png) + ![上传对成熟和未成熟香蕉图片的对话框](../../../../../translated_images/zh-CN/image-upload-object-detector.77c7892c3093cb59.webp) 绘制对象的边界框时，请尽量紧贴对象。标记所有图像可能需要一些时间，但工具会检测它认为是边界框的部分，从而加快速度。 - ![标记一些番茄酱](../../../../../translated_images/zh-CN/object-detector-tag-tomato-paste.f47c362fb0f0eb582f3bc68cf3855fb43a805106395358d41896a269c210b7b4.png) + ![标记一些番茄酱](../../../../../translated_images/zh-CN/object-detector-tag-tomato-paste.f47c362fb0f0eb58.webp) > 💁 如果你每个对象有超过15张图像，你可以在15张图像后进行训练，然后使用 **建议标签** 功能。此功能将使用训练过的模型检测未标记图像中的对象。你可以确认检测到的对象，或者拒绝并重新绘制边界框。这可以节省大量时间。 @@ -155,7 +155,7 @@ 1. 使用 **快速测试** 按钮上传测试图像并验证对象是否被检测到。使用你之前创建的测试图像，而不是任何用于训练的图像。 - ![检测到3个番茄酱罐，概率分别为38%、35.5%和34.6%](../../../../../translated_images/zh-CN/object-detector-detected-tomato-paste.52656fe87af4c37b4ee540526d63e73ed075da2e54a9a060aa528e0c562fb1b6.png) + ![检测到3个番茄酱罐，概率分别为38%、35.5%和34.6%](../../../../../translated_images/zh-CN/object-detector-detected-tomato-paste.52656fe87af4c37b.webp) 1. 尝试所有你能获得的测试图像并观察概率。 diff --git a/translations/zh-CN/5-retail/lessons/2-check-stock-device/README.md b/translations/zh-CN/5-retail/lessons/2-check-stock-device/README.md index 78e638aa3..6bdb37df7 100644 --- a/translations/zh-CN/5-retail/lessons/2-check-stock-device/README.md +++ b/translations/zh-CN/5-retail/lessons/2-check-stock-device/README.md @@ -1,6 +1,6 @@ # 从物联网设备检查库存 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-20.0211df9551a8abb300fc8fcf7dc2789468dea2eabe9202273ac077b0ba37f15e.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-20.0211df9551a8abb3.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -62,7 +62,7 @@ 1. 点击该迭代版本的 **Publish** 按钮。 - ![发布按钮](../../../../../translated_images/zh-CN/custom-vision-object-detector-publish-button.34ee379fc650ccb9856c3868d0003f413b9529f102fc73c37168c98d721cc293.png) + ![发布按钮](../../../../../translated_images/zh-CN/custom-vision-object-detector-publish-button.34ee379fc650ccb9.webp) 1. 在 *Publish Model* 对话框中，将 *Prediction resource* 设置为你在上一课中创建的 `stock-detector-prediction` 资源。保持名称为 `Iteration2`，然后点击 **Publish** 按钮。 @@ -76,7 +76,7 @@ 同时复制 *Prediction-Key* 值。这是一个安全密钥，调用模型时必须传递。只有传递此密钥的应用程序才能使用模型，其他应用程序将被拒绝。 - ![预测 API 对话框显示 URL 和密钥](../../../../../translated_images/zh-CN/custom-vision-prediction-key-endpoint.30c569ffd0338864f319911f052d5e9b8c5066cb0800a26dd6f7ff5713130ad8.png) + ![预测 API 对话框显示 URL 和密钥](../../../../../translated_images/zh-CN/custom-vision-prediction-key-endpoint.30c569ffd0338864.webp) ✅ 当一个新迭代版本发布时，它会有一个不同的名称。你认为如何更改物联网设备使用的迭代版本？ @@ -95,7 +95,7 @@ 在 Custom Vision 的 **Predictions** 标签中，预测结果会在发送预测的图像上绘制边界框。 -![货架上4罐番茄酱的预测结果，分别为35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) +![货架上4罐番茄酱的预测结果，分别为35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca341.webp) 在上图中，检测到4罐番茄酱。结果中，每个检测到的对象在图像上都叠加了一个红色方框，表示该对象的边界框。 @@ -103,7 +103,7 @@ 边界框由4个值定义：top、left、height 和 width。这些值的范围是0-1，表示相对于图像大小的百分比位置。原点（0,0位置）是图像的左上角，因此 top 值是距离顶部的距离，边界框的底部是 top 加上 height。 -![番茄酱罐的边界框](../../../../../translated_images/zh-CN/bounding-box.1420a7ea0d3d15f71e1ffb5cf4b2271d184fac051f990abc541975168d163684.png) +![番茄酱罐的边界框](../../../../../translated_images/zh-CN/bounding-box.1420a7ea0d3d15f7.webp) 上图的宽度为600像素，高度为800像素。边界框从320像素处开始，因此 top 坐标为0.4（800 x 0.4 = 320）。从左侧开始，边界框从240像素处开始，因此 left 坐标为0.4（600 x 0.4 = 240）。边界框的高度为240像素，因此 height 值为0.3（800 x 0.3 = 240）。边界框的宽度为120像素，因此 width 值为0.2（600 x 0.2 = 120）。 @@ -118,7 +118,7 @@ 你可以结合边界框和概率来评估检测的准确性。例如，对象检测器可能会检测到多个重叠的对象，例如一个罐子在另一个罐子内部。你的代码可以检查边界框，理解这种情况是不可能的，并忽略任何与其他对象有显著重叠的对象。 -![两个边界框重叠在一个番茄酱罐上](../../../../../translated_images/zh-CN/overlap-object-detection.d431e03cae75072a2760430eca7f2c5fdd43045bfd72dadcbf12711f7cd6c2ae.png) +![两个边界框重叠在一个番茄酱罐上](../../../../../translated_images/zh-CN/overlap-object-detection.d431e03cae75072a.webp) 在上图中，一个边界框表示一个概率为78.3%的番茄酱罐。另一个边界框稍小，位于第一个边界框内，概率为64.3%。你的代码可以检查边界框，发现它们完全重叠，并忽略较低概率的检测，因为一个罐子不可能在另一个罐子内部。 diff --git a/translations/zh-CN/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md b/translations/zh-CN/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md index 44c28bd10..0e4b73ed1 100644 --- a/translations/zh-CN/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md +++ b/translations/zh-CN/5-retail/lessons/2-check-stock-device/single-board-computer-object-detector.md @@ -67,7 +67,7 @@ 你将能够在 Custom Vision 的 **Predictions** 标签中看到拍摄的图像和这些预测值。 - ![货架上有 4 罐番茄酱，预测结果为 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![货架上有 4 罐番茄酱，预测结果为 35.8%、33.5%、25.7% 和 16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 你可以在 [code-detect/pi](../../../../../5-retail/lessons/2-check-stock-device/code-detect/pi) 或 [code-detect/virtual-iot-device](../../../../../5-retail/lessons/2-check-stock-device/code-detect/virtual-iot-device) 文件夹中找到这段代码。 diff --git a/translations/zh-CN/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md b/translations/zh-CN/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md index b227ed5e2..7221d98b1 100644 --- a/translations/zh-CN/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md +++ b/translations/zh-CN/5-retail/lessons/2-check-stock-device/wio-terminal-object-detector.md @@ -95,7 +95,7 @@ 您将能够看到拍摄的图像，以及这些值在 Custom Vision 的 **Predictions** 标签中显示。 - ![货架上的4罐番茄酱及预测结果，概率分别为35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca3410ecdf23643b9f5f570cfab2345235074e24c51f285777613.png) + ![货架上的4罐番茄酱及预测结果，概率分别为35.8%、33.5%、25.7%和16.6%](../../../../../translated_images/zh-CN/custom-vision-stock-prediction.942266ab1bcca341.webp) > 💁 您可以在 [code-detect/wio-terminal](../../../../../5-retail/lessons/2-check-stock-device/code-detect/wio-terminal) 文件夹中找到此代码。 diff --git a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/README.md b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/README.md index 04c4c08a8..fa4f11a43 100644 --- a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/README.md +++ b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/README.md @@ -1,6 +1,6 @@ # 使用物联网设备进行语音识别 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-21.e34de51354d6606fb5ee08d8c89d0222eea0a2a7aaf744a8805ae847c4f69dc4.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-21.e34de51354d6606f.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -51,7 +51,7 @@ 动圈麦克风无需电源即可工作，电信号完全由麦克风生成。 - ![Patti Smith 使用 Shure SM58（动圈心形类型）麦克风演唱](../../../../../translated_images/zh-CN/dynamic-mic.8babac890a2d80dfb0874b5bf37d4b851fe2aeb9da6fd72945746176978bf3bb.jpg) + ![Patti Smith 使用 Shure SM58（动圈心形类型）麦克风演唱](../../../../../translated_images/zh-CN/dynamic-mic.8babac890a2d80df.webp) * 带状麦克风 - 带状麦克风与动圈麦克风类似，但它们使用金属带代替振膜。金属带在磁场中移动时会产生电流。与动圈麦克风一样，带状麦克风无需电源即可工作。 @@ -59,11 +59,11 @@ * 电容麦克风 - 电容麦克风有一个薄金属振膜和一个固定的金属背板。电流会施加到这两个部件上，当振膜振动时，板之间的静电荷发生变化，从而生成信号。电容麦克风需要电源才能工作，这种电源被称为 *幻象电源*。 - ![AKG Acoustics 的 C451B 小振膜电容麦克风](../../../../../translated_images/zh-CN/condenser-mic.6f6ed5b76ca19e0ec3fd0c544601542d4479a6cb7565db336de49fbbf69f623e.jpg) + ![AKG Acoustics 的 C451B 小振膜电容麦克风](../../../../../translated_images/zh-CN/condenser-mic.6f6ed5b76ca19e0e.webp) * MEMS 麦克风 - 微机电系统麦克风，简称 MEMS，是芯片上的麦克风。它们在硅芯片上蚀刻了一个压力敏感的振膜，工作原理类似于电容麦克风。这些麦克风可以非常小，并集成到电路中。 - ![电路板上的 MEMS 麦克风](../../../../../translated_images/zh-CN/mems-microphone.80574019e1f5e4d9ee72fed720ecd25a39fc2969c91355d17ebb24ba4159e4c4.png) + ![电路板上的 MEMS 麦克风](../../../../../translated_images/zh-CN/mems-microphone.80574019e1f5e4d9.webp) 在上图中，标有 **LEFT** 的芯片是一个 MEMS 麦克风，其振膜宽度不到一毫米。 @@ -159,7 +159,7 @@ ## 将语音转换为文字 -![语音服务标志](../../../../../translated_images/zh-CN/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![语音服务标志](../../../../../translated_images/zh-CN/azure-speech-logo.a1f08c4befb0159f.webp) 就像之前项目中的图像分类一样，有一些预构建的AI服务可以将音频文件中的语音转换为文字。其中一个服务是语音服务，它是认知服务的一部分，你可以在应用程序中使用这些预构建的AI服务。 diff --git a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-audio.md b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-audio.md index 7fb5278f2..670a4b713 100644 --- a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-audio.md +++ b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-audio.md @@ -16,13 +16,13 @@ #### 任务 - 连接按钮 -![一个 Grove 按钮](../../../../../translated_images/zh-CN/grove-button.a70cfbb809a8563681003250cf5b06d68cdcc68624f9e2f493d5a534ae2da1e5.png) +![一个 Grove 按钮](../../../../../translated_images/zh-CN/grove-button.a70cfbb809a85636.webp) 1. 将 Grove 电缆的一端插入按钮模块上的插座。它只能以一种方式插入。 1. 在树莓派断电的情况下，将 Grove 电缆的另一端连接到 Grove 基座 HAT 上标记为 **D5** 的数字插座。这个插座位于 GPIO 引脚旁边的一排插座中，从左数第二个。 -![Grove 按钮连接到 D5 插座](../../../../../translated_images/zh-CN/pi-button.c7a1a4f55943341ce1baf1057658e9a205804d4131d258e820c93f951df0abf3.png) +![Grove 按钮连接到 D5 插座](../../../../../translated_images/zh-CN/pi-button.c7a1a4f55943341c.webp) ## 捕捉音频 diff --git a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-microphone.md b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-microphone.md index f554b22cb..c73793821 100644 --- a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-microphone.md +++ b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/pi-microphone.md @@ -34,7 +34,7 @@ 1. 如果您使用的是ReSpeaker 2-Mics Pi HAT，可以移除Grove基座帽，然后将ReSpeaker帽安装到位。 - ![带有ReSpeaker帽的树莓派](../../../../../translated_images/zh-CN/pi-respeaker-hat.f00fabe7dd039a93e2e0aa0fc946c9af0c6a9eb17c32fa1ca097fb4e384f69f0.png) + ![带有ReSpeaker帽的树莓派](../../../../../translated_images/zh-CN/pi-respeaker-hat.f00fabe7dd039a93.webp) 在本课程后续部分，您将需要一个Grove按钮，但此帽子内置了一个按钮，因此不需要Grove基座帽。 diff --git a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md index 73060c56c..2fbfa43fe 100644 --- a/translations/zh-CN/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md +++ b/translations/zh-CN/6-consumer/lessons/1-speech-recognition/wio-terminal-audio.md @@ -10,7 +10,7 @@ ✅ 在 [Wikipedia 的直接内存访问页面](https://wikipedia.org/wiki/Direct_memory_access) 上了解更多关于 DMA 的信息。 -![音频从麦克风进入 ADC，然后到 DMAC。DMAC 将数据写入一个缓冲区。当该缓冲区满时，数据被处理，DMAC 写入第二个缓冲区](../../../../../translated_images/zh-CN/dmac-adc-buffers.4509aee49145c90bc2e1be472b8ed2ddfcb2b6a81ad3e559114aca55f5fff759.png) +![音频从麦克风进入 ADC，然后到 DMAC。DMAC 将数据写入一个缓冲区。当该缓冲区满时，数据被处理，DMAC 写入第二个缓冲区](../../../../../translated_images/zh-CN/dmac-adc-buffers.4509aee49145c90b.webp) DMAC 可以以固定间隔从 ADC 捕获音频，例如以每秒 16,000 次的速率捕获 16KHz 音频。它可以将捕获的数据写入预分配的内存缓冲区，当缓冲区满时，通知您的代码进行处理。使用此内存可能会延迟音频捕获，但您可以设置多个缓冲区。DMAC 写入缓冲区 1，当缓冲区 1 满时，通知您的代码处理缓冲区 1，同时 DMAC 写入缓冲区 2。当缓冲区 2 满时，它通知您的代码，然后返回写入缓冲区 1。这样，只要您在填满一个缓冲区所需的时间内处理每个缓冲区，就不会丢失任何数据。 diff --git a/translations/zh-CN/6-consumer/lessons/2-language-understanding/README.md b/translations/zh-CN/6-consumer/lessons/2-language-understanding/README.md index 2aff4623a..38410c399 100644 --- a/translations/zh-CN/6-consumer/lessons/2-language-understanding/README.md +++ b/translations/zh-CN/6-consumer/lessons/2-language-understanding/README.md @@ -1,6 +1,6 @@ # 理解语言 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-22.6148ea28500d9e00c396aaa2649935fb6641362c8f03d8e5e90a676977ab01dd.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-22.6148ea28500d9e00.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 @@ -46,7 +46,7 @@ ## 创建语言理解模型 -![LUIS标志](../../../../../translated_images/zh-CN/luis-logo.5cb4f3e88c020ee6df4f614e8831f4a4b6809a7247bf52085fb48d629ef9be52.png) +![LUIS标志](../../../../../translated_images/zh-CN/luis-logo.5cb4f3e88c020ee6.webp) 你可以使用LUIS（Language Understanding Intelligent Service）创建语言理解模型，这是微软认知服务的一部分。 @@ -169,7 +169,7 @@ 1. 每输入一个示例，LUIS会开始检测实体，并会下划线并标记它找到的任何实体。 - ![LUIS对示例中的数字和时间单位进行下划线标记](../../../../../translated_images/zh-CN/luis-intent-examples.25716580b2d2723cf1bafdf277d015c7f046d8cfa20f27bddf3a0873ec45fab7.png) + ![LUIS对示例中的数字和时间单位进行下划线标记](../../../../../translated_images/zh-CN/luis-intent-examples.25716580b2d2723c.webp) ### 任务 - 训练和测试模型 diff --git a/translations/zh-CN/6-consumer/lessons/3-spoken-feedback/README.md b/translations/zh-CN/6-consumer/lessons/3-spoken-feedback/README.md index 5de5a183e..4ef9a62f4 100644 --- a/translations/zh-CN/6-consumer/lessons/3-spoken-feedback/README.md +++ b/translations/zh-CN/6-consumer/lessons/3-spoken-feedback/README.md @@ -1,6 +1,6 @@ # 设置计时器并提供语音反馈 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-23.f38483e1d4df4828990d3f02d60e46c978b075d384ae7cb4f7bab738e107c850.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-23.f38483e1d4df4828.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看更大版本。 diff --git a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/README.md b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/README.md index 8c30acecc..fa68e4d7e 100644 --- a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/README.md +++ b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/README.md @@ -1,6 +1,6 @@ # 支持多语言 -![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-24.4246968ed058510ab275052e87ef9aa89c7b2f938915d103c605c04dc6cd5bb7.jpg) +![本课的手绘笔记概览](../../../../../translated_images/zh-CN/lesson-24.4246968ed058510a.webp) > 手绘笔记由 [Nitya Narasimhan](https://github.com/nitya) 提供。点击图片查看大图。 @@ -74,7 +74,7 @@ ### 认知服务语音服务 -![语音服务标志](../../../../../translated_images/zh-CN/azure-speech-logo.a1f08c4befb0159f2cb5d692d3baf5b599e7b44759d316da907bda1508f46a4a.png) +![语音服务标志](../../../../../translated_images/zh-CN/azure-speech-logo.a1f08c4befb0159f.webp) 你在过去几课中使用的语音服务具有语音识别的翻译功能。当你识别语音时，可以请求不仅以相同语言显示的文本，还可以请求其他语言的文本。 @@ -82,7 +82,7 @@ ### 认知服务翻译器服务 -![翻译器服务标志](../../../../../translated_images/zh-CN/azure-translator-logo.c6ed3a4a433edfd2f11577eca105412c50b8396b194cbbd730723dd1d0793bcd.png) +![翻译器服务标志](../../../../../translated_images/zh-CN/azure-translator-logo.c6ed3a4a433edfd2.webp) 翻译器服务是一个专门的翻译服务，可以将文本从一种语言翻译成一种或多种目标语言。除了翻译，它还支持许多额外功能，包括屏蔽不雅词汇。它还允许你为特定单词或句子提供特定翻译，以处理你不希望翻译的术语，或具有特定公认翻译的术语。 diff --git a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md index 5bc8470dd..ff7f7691c 100644 --- a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md +++ b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/pi-translate-speech.md @@ -25,7 +25,7 @@ > > 例如，如果您用英语训练 LUIS，但希望使用法语作为用户语言，您可以使用必应翻译将像“设置一个2分27秒的计时器”这样的句子从英语翻译成法语，然后使用 **听翻译** 按钮将翻译内容通过麦克风说出。 > - > ![必应翻译上的听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![必应翻译上的听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a9.webp) 1. 在 `speech_api_key` 下添加翻译 API 密钥： diff --git a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md index 7eb25504a..ba082640a 100644 --- a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md +++ b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/virtual-device-translate-speech.md @@ -37,7 +37,7 @@ > > 例如，如果您用英语训练 LUIS，但希望用户语言为法语，您可以使用必应翻译将诸如“设置一个2分27秒的计时器”这样的句子从英语翻译为法语，然后使用**收听翻译**按钮将翻译内容通过麦克风输入。 > - > ![必应翻译上的收听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![必应翻译上的收听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a9.webp) 1. 替换 `recognizer_config` 和 `recognizer` 的声明，使用以下内容： diff --git a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md index f77176589..cc4246239 100644 --- a/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md +++ b/translations/zh-CN/6-consumer/lessons/4-multiple-language-support/wio-terminal-translate-speech.md @@ -105,7 +105,7 @@ > > 例如，如果您用英语训练 LUIS，但希望使用法语作为用户语言，您可以使用 Bing Translate 将诸如 "set a 2 minute and 27 second timer" 的句子从英语翻译成法语，然后使用 **Listen translation** 按钮将翻译语音播放到您的麦克风中。 > - > ![Bing Translate 的听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a92f41ea74a5cf42bb4c63d6faaa08e7f46924e072a35daa48.png) + > ![Bing Translate 的听翻译按钮](../../../../../translated_images/zh-CN/bing-translate.348aa796d6efe2a9.webp) 1. 在 `SPEECH_LOCATION` 下添加翻译器 API 密钥和位置： diff --git a/translations/zh-CN/README.md b/translations/zh-CN/README.md index 7ee539376..5c11e8c60 100644 --- a/translations/zh-CN/README.md +++ b/translations/zh-CN/README.md @@ -10,7 +10,7 @@ ### 加入 Azure AI Foundry 社区 -如果您遇到困难或对构建 AI 应用有任何疑问，欢迎加入学习者和经验丰富开发者的讨论，共同探讨 MCP。这是一个支持性的社区，问题被欢迎且知识自由分享。 +如果您在构建 AI 应用时遇到困难或有任何问题，欢迎加入学习者和有经验开发者的讨论社区，共同探讨 MCP。这里是一个支持性的社区，欢迎提出问题并自由分享知识。 [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -18,10 +18,10 @@ [![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) -按照以下步骤开始使用这些资源： +请按照以下步骤开始使用这些资源： 1. **Fork 仓库**: 点击 [![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. **克隆仓库**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` -3. [**加入 Microsoft Foundry Discord，与专家和开发者见面**](https://discord.com/invite/ByRwuEEgH4) +2. **Clone 仓库**: `git clone https://github.com/microsoft/IoT-For-Beginners.git` +3. [**加入 Microsoft Foundry Discord，结识专家和同行开发者**](https://discord.com/invite/ByRwuEEgH4) ### 🌐 多语言支持 @@ -29,123 +29,133 @@ #### 通过 GitHub Action 支持（自动且始终保持最新） -[阿拉伯语](../ar/README.md) | [孟加拉语](../bn/README.md) | [保加利亚语](../bg/README.md) | [缅甸语 (Myanmar)](../my/README.md) | [中文（简体）](./README.md) | [中文（繁体，香港）](../zh-HK/README.md) | [中文（繁体，澳门）](../zh-MO/README.md) | [中文（繁体，台湾）](../zh-TW/README.md) | [克罗地亚语](../hr/README.md) | [捷克语](../cs/README.md) | [丹麦语](../da/README.md) | [荷兰语](../nl/README.md) | [爱沙尼亚语](../et/README.md) | [芬兰语](../fi/README.md) | [法语](../fr/README.md) | [德语](../de/README.md) | [希腊语](../el/README.md) | [希伯来语](../he/README.md) | [印地语](../hi/README.md) | [匈牙利语](../hu/README.md) | [印度尼西亚语](../id/README.md) | [意大利语](../it/README.md) | [日语](../ja/README.md) | [卡纳达语](../kn/README.md) | [韩语](../ko/README.md) | [立陶宛语](../lt/README.md) | [马来语](../ms/README.md) | [马拉雅拉姆语](../ml/README.md) | [马拉地语](../mr/README.md) | [尼泊尔语](../ne/README.md) | [尼日利亚皮钦语](../pcm/README.md) | [挪威语](../no/README.md) | [波斯语 (法尔西语)](../fa/README.md) | [波兰语](../pl/README.md) | [葡萄牙语 (巴西)](../pt-BR/README.md) | [葡萄牙语 (葡萄牙)](../pt-PT/README.md) | [旁遮普语 (Gurmukhi)](../pa/README.md) | [罗马尼亚语](../ro/README.md) | [俄语](../ru/README.md) | [塞尔维亚语 (西里尔字母)](../sr/README.md) | [斯洛伐克语](../sk/README.md) | [斯洛文尼亚语](../sl/README.md) | [西班牙语](../es/README.md) | [斯瓦希里语](../sw/README.md) | [瑞典语](../sv/README.md) | [他加禄语 (菲律宾语)](../tl/README.md) | [泰米尔语](../ta/README.md) | [泰卢固语](../te/README.md) | [泰语](../th/README.md) | [土耳其语](../tr/README.md) | [乌克兰语](../uk/README.md) | [乌尔都语](../ur/README.md) | [越南语](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](./README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../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) -> **想本地克隆？** - -> 此仓库包含 50 多种语言翻译，显著增加下载大小。若想不带翻译克隆，可使用稀疏检出： +> **更喜欢本地克隆？** +> +> 该仓库包含 50 多种语言的翻译，显著增加下载大小。若想不下载翻译内容，可使用稀疏检出： +> +> **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' > ``` -> 这让你可以更快下载，并获取完成课程所需的一切。 +> +> **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" +> ``` +> +> 这样可以更快下载您完成课程所需的全部内容。 -# IoT 初学者课程 +# 物联网初学者课程 -微软 Azure 云推广团队荣幸推出为期 12 周、共 24 课的物联网基础课程。每节课包括课前和课后测验、书面指导、解决方案、作业等。我们的项目驱动教学法让你在构建中学习，这是一种被验证的新技能“牢固掌握”的方式。 +微软 Azure 云倡导者很高兴提供一个为期 12 周，共 24 课时的物联网基础课程。每节课包含课前和课后测验、完成课程的书面指导、解决方案、作业等。我们的项目式教学法让您在构建中学习，这是一种被证实有助于新技能“扎实掌握”的学习方式。 -这些项目涵盖了从农场到餐桌的食品全流程。包括农业、物流、制造、零售和消费者领域——这些都是物联网设备的热门行业领域。 +这些项目涵盖了食物从农场到餐桌的全过程，包括农业、物流、制造、零售及消费者——这些都是物联网设备的热门行业领域。 -![课程路线图，涵盖引言、农业、运输、加工、零售和烹饪共 24 课](../../translated_images/zh-CN/Roadmap.bb1dec285dda0eda.webp) +![一个课程路线图，展示了涵盖介绍、农业、运输、加工、零售和烹饪的24节课程](../../translated_images/zh-CN/Roadmap.bb1dec285dda0eda.webp) -> 插画由 [Nitya Narasimhan](https://github.com/nitya) 绘制。点击图片查看更大版本。 +> 手绘图作者为 [Nitya Narasimhan](https://github.com/nitya)。点击图片查看大图。 -**热烈感谢作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett) 和插画师 [Nitya Narasimhan](https://github.com/nitya)。** +**衷心感谢我们的作者 [Jen Fox](https://github.com/jenfoxbot)、[Jen Looper](https://github.com/jlooper)、[Jim Bennett](https://github.com/jimbobbennett) 以及我们的手绘图艺术家 [Nitya Narasimhan](https://github.com/nitya)。** -**也感谢我们的 [Microsoft Learn 学生大使团队](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) 审核和翻译此课程——[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) 和 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。** +**同时感谢参与审核和翻译本课程的 [Microsoft Learn 学生大使团队](https://studentambassadors.microsoft.com?WT.mc_id=academic-17441-jabenn) —— [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)、以及 [Zina Kamel](https://www.linkedin.com/in/zina-kamel/)。** -团队介绍！ +认识团队！ [![宣传视频](../../images/IOT.gif)](https://youtu.be/-wippUJRi5k) -**Gif 动图由** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) +动图由 [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) 制作 -> 🎥 点击上方图片观看项目介绍视频！ +> 🎥 点击图片观看项目视频！ -> **教师们**，我们[提供了一些建议](for-teachers.md)以协助使用此课程。如果您想制作自己的课程，也提供了[课程模板](lesson-template/README.md)。 +> 教师们，我们[提供了一些建议](for-teachers.md)关于如何使用本课程。如果您想创建自己的课程，也可参考我们提供的[课程模板](lesson-template/README.md)。 -> **[学生们](https://aka.ms/student-page)**，若要自主使用此课程，请 fork 整个仓库并独立完成练习，依序从课前测验开始，阅读讲义并完成其他活动。尝试理解课程内容再制作项目，而非直接复制解决方案代码；但解决方案代码可在每个项目导向课程的 /solutions 文件夹中找到。你也可以组建学习小组，与朋友一起学习。进一步学习推荐使用 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。 +> **[学生](https://aka.ms/student-page)**，若想独立使用本课程，请 fork 整个仓库并完成练习，先做课前测验，再阅读课程，完成剩余活动。建议在理解课程内容基础上完成项目，而非直接复制解决方案代码。解决方案代码位于各项目导向课程的 /solutions 文件夹内。或组建学习小组，共同学习内容。想深入学习的话，推荐使用 [Microsoft Learn](https://docs.microsoft.com/users/jimbobbennett/collections/ke2ehd351jopwr?WT.mc_id=academic-17441-jabenn)。 -课程视频概览： +课程视频总览，请观看： [![宣传视频](https://img.youtube.com/vi/bccEMm8gRuc/0.jpg)](https://youtube.com/watch?v=bccEMm8gRuc "宣传视频") -> 🎥 点击上方图片观看项目介绍视频！ +> 🎥 点击图片观看项目视频！ -## 教学理念 +## 教学法 -我们为此课程选择了两个教学理念：确保课程以项目为中心，且包含频繁测验。在本系列结束时，学生将构建一个植物监控及浇水系统、车辆跟踪器、智能工厂食品追踪检测系统和语音控制烹饪计时器，并学习物联网基础知识，包括如何编写设备代码、连接云端、分析遥测数据和边缘 AI 运行。 +我们设计该课程时秉持两个教学原则：确保课程基于项目，且包含频繁的测验。通过本系列课程，学生将学习制作植物监测和浇水系统、车辆追踪器、智能工厂食品追踪与检测系统以及语音控制烹饪计时器，并掌握物联网基础知识，包括设备编程、连接云端、分析遥测数据及边缘运行 AI。 -通过确保内容与项目对齐，使学习过程更有趣味性，并提高概念记忆率。 +项目驱动的内容能让学习过程更有吸引力，增强概念的记忆力。 -此外，课前的低压测验帮助学生设定学习目标，课后的测验进一步加深记忆。课程设计灵活有趣，可完整学习或拆分学习。项目从小型开始，逐步复杂，贯穿 12 周周期。 +此外，课前的低压力测验帮助学生设定学习目标，课后的测验则促进复习巩固。课程设计灵活有趣，可完整学习或部分学习。项目规模由浅入深，12 周课程结束时达到较高复杂度。 -每个项目基于学生和爱好者可获取的真实硬件。项目针对具体领域提供相关背景知识。作为成功的开发者，理解所解决问题的领域十分重要，提供这些背景知识帮助学生将物联网解决方案和学习内容置于可能面临的现实问题情境中。学生不仅理解解决方案的“为什么”，还能理解最终用户需求。 +每个项目基于学生和爱好者可获得的真实硬件设备，具体聚焦项目领域，提供相关背景知识。成为成功开发者需理解所解决问题领域，提供这种背景知识使学生能围绕现实物联网问题思考解决方案，理解所构建解决方案的“原因”，并体会最终用户需求。 ## 硬件 +我们有两种物联网硬件可供项目选择，具体取决于个人偏好、编程语言知识或偏好、学习目标和硬件的可用性。我们还为没有硬件设备，或者想在购买前多了解的人提供了“虚拟硬件”版本。您可以在[硬件页面](./hardware.md)了解更多内容，并找到“购物清单”，包括我们合作伙伴Seeed Studio提供的完整套件购买链接。 -根据个人偏好、编程语言知识、学习目标和可用性，我们提供两种物联网硬件选择。此外，还提供“虚拟硬件”版本，适合没有硬件或想先学习部分内容的人。详情及购买完整套件，请查看[硬件页面](./hardware.md)，其中包含我们合作伙伴 Seeed Studio 的购买链接。 -> 💁 了解我们的[行为准则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)和[翻译指南](TRANSLATIONS.md)。我们欢迎您提出建设性的反馈！ +> 💁 查阅我们的[行为守则](CODE_OF_CONDUCT.md)、[贡献指南](CONTRIBUTING.md)和[翻译指南](TRANSLATIONS.md)。欢迎您的建设性反馈！ > -> 🔧 遇到问题？请查看我们的[故障排除指南](TROUBLESHOOTING.md)，获取常见问题的解决方案。 +> 🔧 遇到问题？请查看我们的[疑难解答指南](TROUBLESHOOTING.md)以获取常见问题解决方法。 -## 每节课包含： +## 每节课程包含： -- 手绘笔记 -- 可选的补充视频 +- 草图笔记 +- 可选补充视频 - 课前热身测验 - 书面课程内容 -- 针对项目课程，包含构建项目的逐步指导 +- 针对项目型课程，提供分步骤的项目构建指南 - 知识检测 -- 挑战题 +- 挑战 - 补充阅读材料 - 作业 - [课后测验](https://ff-quizzes.netlify.app/en/) -> **关于测验的说明**：所有测验均包含在 quiz-app 文件夹中，总计48个测验，每个测验包含三道题。测验链接位于课程内，但测验应用可以在本地运行或部署到Azure；请按照 `quiz-app` 文件夹中的说明进行。测验正在逐步本地化。 +> 关于测验的说明：所有测验包含在quiz-app文件夹中，共48个，每个测验包含三道题。它们从课程中链接，但测验应用可以本地运行或部署到Azure；请遵循`quiz-app`文件夹中的说明。测验正在逐步实现本地化。 ## 课程列表 -| | 项目名称 | 教授概念 | 学习目标 | 关联课程 | -| :---: | :---------------------------------: | :-------------------------------------------------: | -------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------: | -| 01 | [入门](./1-getting-started/README.md) | 物联网简介 | 在设置第一个物联网设备时，学习物联网的基本原理以及物联网解决方案的基本构建块，如传感器和云服务 | [物联网简介](./1-getting-started/lessons/1-introduction-to-iot/README.md) | -| 02 | [入门](./1-getting-started/README.md) | 物联网深入了解 | 了解物联网系统的组件，以及微控制器和单板计算机 | [物联网深入了解](./1-getting-started/lessons/2-deeper-dive/README.md) | -| 03 | [入门](./1-getting-started/README.md) | 使用传感器和执行器与物理世界交互 | 了解用于采集物理世界数据的传感器和用于发送反馈的执行器，同时构建一盏夜灯 | [使用传感器和执行器与物理世界交互](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | -| 04 | [入门](./1-getting-started/README.md) | 将设备连接到互联网 | 了解如何连接物联网设备到互联网，通过将夜灯连接到MQTT代理发送和接收消息 | [将设备连接到互联网](./1-getting-started/lessons/4-connect-internet/README.md) | -| 05 | [农场](./2-farm/README.md) | 预测植物生长 | 学习如何利用物联网设备捕获的温度数据预测植物生长 | [预测植物生长](./2-farm/lessons/1-predict-plant-growth/README.md) | -| 06 | [农场](./2-farm/README.md) | 检测土壤湿度 | 学习如何检测土壤湿度并校准土壤湿度传感器 | [检测土壤湿度](./2-farm/lessons/2-detect-soil-moisture/README.md) | -| 07 | [农场](./2-farm/README.md) | 自动化植物浇水 | 学习如何使用继电器和MQTT实现自动定时浇水 | [自动化植物浇水](./2-farm/lessons/3-automated-plant-watering/README.md) | -| 08 | [农场](./2-farm/README.md) | 将植物数据迁移到云端 | 了解云和基于云的物联网服务，以及如何将植物连接到云端服务，而不是公共MQTT代理 | [将植物数据迁移到云端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | -| 09 | [农场](./2-farm/README.md) | 将应用逻辑迁移到云端 | 了解如何在云端编写响应物联网消息的应用逻辑 | [将应用逻辑迁移到云端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | -| 10 | [农场](./2-farm/README.md) | 保护植物安全 | 了解物联网安全性，如何使用密钥和证书保护植物安全 | [保护植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md) | -| 11 | [运输](./3-transport/README.md) | 位置追踪 | 了解物联网设备的GPS位置追踪 | [位置追踪](./3-transport/lessons/1-location-tracking/README.md) | -| 12 | [运输](./3-transport/README.md) | 存储位置数据 | 学习如何存储物联网数据以供后续可视化或分析 | [存储位置数据](./3-transport/lessons/2-store-location-data/README.md) | -| 13 | [运输](./3-transport/README.md) | 可视化位置信息 | 学习在地图上可视化位置信息，以及地图如何将真实三维世界表示为二维 | [可视化位置信息](./3-transport/lessons/3-visualize-location-data/README.md) | -| 14 | [运输](./3-transport/README.md) | 地理围栏 | 了解地理围栏，及其如何用于在供应链车辆接近目的地时发出提醒 | [地理围栏](./3-transport/lessons/4-geofences/README.md) | -| 15 | [制造](./4-manufacturing/README.md) | 训练水果质量检测器 | 了解如何在云端训练图像分类器检测水果质量 | [训练水果质量检测器](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | -| 16 | [制造](./4-manufacturing/README.md) | 从物联网设备检查水果质量 | 了解如何使用物联网设备中的水果质量检测器 | [从物联网设备检查水果质量](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | -| 17 | [制造](./4-manufacturing/README.md) | 在边缘设备上运行水果检测器 | 了解如何在边缘物联网设备上运行水果检测器 | [在边缘设备上运行水果检测器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | -| 18 | [制造](./4-manufacturing/README.md) | 由传感器触发水果质量检测 | 了解如何由传感器触发水果质量检测 | [由传感器触发水果质量检测](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | -| 19 | [零售](./5-retail/README.md) | 训练库存检测器 | 学习如何使用目标检测训练库存检测器，以统计商店中的库存 | [训练库存检测器](./5-retail/lessons/1-train-stock-detector/README.md) | -| 20 | [零售](./5-retail/README.md) | 从物联网设备检查库存 | 学习如何使用目标检测模型从物联网设备检查库存 | [从物联网设备检查库存](./5-retail/lessons/2-check-stock-device/README.md) | -| 21 | [消费](./6-consumer/README.md) | 使用物联网设备识别语音 | 学习如何识别物联网设备的语音，构建智能定时器 | [使用物联网设备识别语音](./6-consumer/lessons/1-speech-recognition/README.md) | -| 22 | [消费](./6-consumer/README.md) | 理解语言 | 学习如何理解对物联网设备说的句子 | [理解语言](./6-consumer/lessons/2-language-understanding/README.md) | -| 23 | [消费](./6-consumer/README.md) | 设定定时器并提供语音反馈 | 学习如何在物联网设备上设定定时器，并在定时开始和结束时提供语音反馈 | [设定定时器并提供语音反馈](./6-consumer/lessons/3-spoken-feedback/README.md) | -| 24 | [消费](./6-consumer/README.md) | 支持多语言 | 学习如何支持多语言，包括被设备说出的语言和智能定时器的响应 | [支持多语言](./6-consumer/lessons/4-multiple-language-support/README.md) | +| | 项目名称 | 授课概念 | 学习目标 | 关联课程 | +| :---: | :----------------------------------------: | :--------------------------------------------------------: | ----------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------: | +| 01 | [入门](./1-getting-started/README.md) | 物联网介绍 | 学习物联网的基本原理及物联网解决方案的基础组件，如传感器与云服务，同时设置您的第一个物联网设备 | [物联网介绍](./1-getting-started/lessons/1-introduction-to-iot/README.md) | +| 02 | [入门](./1-getting-started/README.md) | 深入了解物联网 | 学习物联网系统组件，微控制器和单板计算机的相关知识 | [深入了解物联网](./1-getting-started/lessons/2-deeper-dive/README.md) | +| 03 | [入门](./1-getting-started/README.md) | 用传感器和执行器与物理世界互动 | 学习使用传感器采集物理世界的数据，使用执行器反馈信息，同时构建夜灯 | [用传感器和执行器与物理世界互动](./1-getting-started/lessons/3-sensors-and-actuators/README.md) | +| 04 | [入门](./1-getting-started/README.md) | 将设备连接到互联网 | 学习如何连接物联网设备至互联网发送和接收消息，将您的夜灯连接至MQTT代理 | [将设备连接到互联网](./1-getting-started/lessons/4-connect-internet/README.md) | +| 05 | [农场](./2-farm/README.md) | 预测植物生长 | 学习如何使用物联网设备采集的温度数据来预测植物生长 | [预测植物生长](./2-farm/lessons/1-predict-plant-growth/README.md) | +| 06 | [农场](./2-farm/README.md) | 检测土壤湿度 | 学习如何检测土壤湿度并校准土壤湿度传感器 | [检测土壤湿度](./2-farm/lessons/2-detect-soil-moisture/README.md) | +| 07 | [农场](./2-farm/README.md) | 自动化植物浇水 | 学习如何使用继电器和MQTT实现自动化定时浇水 | [自动化植物浇水](./2-farm/lessons/3-automated-plant-watering/README.md) | +| 08 | [农场](./2-farm/README.md) | 将植株迁移到云端 | 学习云和云托管物联网服务，了解如何将您的植株连接到云服务代替公共MQTT代理 | [植株迁移到云端](./2-farm/lessons/4-migrate-your-plant-to-the-cloud/README.md) | +| 09 | [农场](./2-farm/README.md) | 将应用逻辑迁移到云端 | 学习如何在云端编写响应物联网消息的应用逻辑 | [将应用逻辑迁移到云端](./2-farm/lessons/5-migrate-application-to-the-cloud/README.md) | +| 10 | [农场](./2-farm/README.md) | 保护您的植物安全 | 学习物联网安全，了解如何通过密钥和证书保护您的植物安全 | [保护您的植物安全](./2-farm/lessons/6-keep-your-plant-secure/README.md) | +| 11 | [运输](./3-transport/README.md) | 位置追踪 | 学习物联网设备GPS位置追踪 | [位置追踪](./3-transport/lessons/1-location-tracking/README.md) | +| 12 | [运输](./3-transport/README.md) | 存储位置信息 | 学习如何存储物联网数据，以便以后可视化或分析 | [存储位置信息](./3-transport/lessons/2-store-location-data/README.md) | +| 13 | [运输](./3-transport/README.md) | 可视化位置信息 | 学习如何在地图上可视化位置信息，以及地图如何以二维方式表示真实的三维世界 | [可视化位置信息](./3-transport/lessons/3-visualize-location-data/README.md) | +| 14 | [运输](./3-transport/README.md) | 地理围栏 | 学习地理围栏及其如何用于在供应链车辆接近目的地时发出警报 | [地理围栏](./3-transport/lessons/4-geofences/README.md) | +| 15 | [制造](./4-manufacturing/README.md) | 训练水果质量检测器 | 学习如何在云端训练图像分类器以检测水果质量 | [训练水果质量检测器](./4-manufacturing/lessons/1-train-fruit-detector/README.md) | +| 16 | [制造](./4-manufacturing/README.md) | 从物联网设备检测水果质量 | 学习如何使用您的水果质量检测器从物联网设备检查水果 | [从物联网设备检测水果质量](./4-manufacturing/lessons/2-check-fruit-from-device/README.md) | +| 17 | [制造](./4-manufacturing/README.md) | 在边缘设备运行水果检测器 | 学习如何在物联网边缘设备上运行您的水果检测器 | [在边缘设备运行水果检测器](./4-manufacturing/lessons/3-run-fruit-detector-edge/README.md) | +| 18 | [制造](./4-manufacturing/README.md) | 通过传感器触发水果质量检测 | 学习如何通过传感器触发水果质量检测 | [通过传感器触发水果质量检测](./4-manufacturing/lessons/4-trigger-fruit-detector/README.md) | +| 19 | [零售](./5-retail/README.md) | 训练库存检测器 | 学习如何使用物体检测训练库存检测器以统计店铺库存 | [训练库存检测器](./5-retail/lessons/1-train-stock-detector/README.md) | +| 20 | [零售](./5-retail/README.md) | 从物联网设备检查库存 | 学习如何使用物联网设备结合物体检测模型检查库存 | [从物联网设备检查库存](./5-retail/lessons/2-check-stock-device/README.md) | +| 21 | [消费者](./6-consumer/README.md) | 用物联网设备识别语音 | 学习如何从物联网设备识别语音，构建智能计时器 | [用物联网设备识别语音](./6-consumer/lessons/1-speech-recognition/README.md) | +| 22 | [消费者](./6-consumer/README.md) | 理解语言 | 学习如何理解对物联网设备说出的句子 | [理解语言](./6-consumer/lessons/2-language-understanding/README.md) | +| 23 | [消费者](./6-consumer/README.md) | 设定计时器并提供语音反馈 | 学习如何在物联网设备上设定计时器，并在计时开始和结束时提供语音反馈 | [设定计时器并提供语音反馈](./6-consumer/lessons/3-spoken-feedback/README.md) | +| 24 | [消费者](./6-consumer/README.md) | 支持多种语言 | 学习如何支持多语言，包括接受语音输入和智能计时器的语音回复 | [支持多种语言](./6-consumer/lessons/4-multiple-language-support/README.md) | ## 离线访问 -您可以通过使用[Docsify](https://docsify.js.org/#/)在本地离线运行此文档。请先 Fork 本仓库，[在本地安装 Docsify](https://docsify.js.org/#/quickstart)，然后在本仓库根文件夹中运行 `docsify serve`。网站将在本地主机的3000端口启动：`localhost:3000`。 +您可以通过使用[Docsify](https://docsify.js.org/#/)来离线运行本文档。fork此仓库，在本地机器上[安装Docsify](https://docsify.js.org/#/quickstart)，然后在本仓库的根目录运行`docsify serve`。网站将在本地的3000端口提供服务：`localhost:3000`。 ## 测验 -感谢社区提供的交互式测验，测试您对每章节内容的掌握。您可以[在此测试您的知识](https://ff-quizzes.netlify.app/en/) +感谢社区托管的互动测验，测试您对各章节内容的掌握。您可以[在这里测试](https://ff-quizzes.netlify.app/en/) ### PDF -如有需要，您可以生成此内容的PDF以便离线访问。为此，请确保您已[安装 npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，并在此仓库根目录下运行以下命令： +如果需要，您可以生成此内容的PDF以供离线访问。为此，请确保已安装[npm](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm)，然后在本仓库根目录运行以下命令： ```sh npm i @@ -154,59 +164,59 @@ npm run convert ### 幻灯片 -部分课程在 [slides](../../slides) 文件夹中提供了幻灯片。 +部分课程提供幻灯片，位于[slides](../../slides)文件夹中。 -## 其他课程 +## 其他课程体系 -我们的团队还制作了其他课程！请查阅： +我们的团队还制作了其他课程！敬请关注： ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![初学者的 AI 代理](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 for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- - + ### 生成式 AI 系列 -[![初学者的生成式 AI](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) -[![生成式 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) -[![生成式 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) -[![生成式 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) +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- - + ### 核心学习 -[![初学者的机器学习](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) -[![初学者的数据科学](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) -[![初学者的人工智能](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) -[![初学者的网络安全](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) -[![初学者的网页开发](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) -[![初学者的物联网](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) -[![初学者的 XR 开发](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- - + ### Copilot 系列 -[![AI 配对编程的 Copilot](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) -[![C#/.NET 的 Copilot](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 冒险](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## 图片署名 +## 图片来源说明 -您可以在[署名](./attributions.md)中找到本课程中所用图片的所有必要署名信息。 +您可以在[Attributions](./attributions.md)中找到本课程教材中所用图片的所有来源说明。 --- **免责声明**： -本文件使用人工智能翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保准确性，但请注意，自动翻译可能存在错误或不准确之处。以原文文件为权威版本。如涉及重要信息，建议使用专业人工翻译。对于因使用本翻译而产生的任何误解或误释，我们概不负责。 +本文件使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们力求准确，但请注意自动翻译可能包含错误或不准确之处。应以原始语言的文件作为权威来源。对于重要信息，建议采用专业人工翻译。对于因使用本翻译而产生的任何误解或错误解释，我们概不负责。 \ No newline at end of file diff --git a/translations/zh-CN/hardware.md b/translations/zh-CN/hardware.md index c879ba8ca..e89297754 100644 --- a/translations/zh-CN/hardware.md +++ b/translations/zh-CN/hardware.md @@ -26,7 +26,7 @@ Seeed Studios非常贴心地将所有硬件整理成易于购买的套件： **[适用于初学者的IoT套件 - Seeed和Microsoft合作的Raspberry Pi 4入门套件](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html)** -[![Raspberry Pi硬件套件](../../translated_images/zh-CN/pi-hardware-kit.26dbadaedb7dd44c73b0131d5d68ea29472ed0a9744f90d5866c6d82f2d16380.png)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) +[![Raspberry Pi硬件套件](../../translated_images/zh-CN/pi-hardware-kit.26dbadaedb7dd44c.webp)](https://www.seeedstudio.com/IoT-for-beginners-with-Seeed-and-Microsoft-Raspberry-Pi-Starter-Kit-p-5004.html) ## Arduino