# Handel detaliczny - wykorzystanie IoT do zarządzania poziomami zapasów Ostatnim etapem, zanim żywność trafi do konsumentów, jest handel detaliczny - targi, warzywniaki, supermarkety i sklepy, które sprzedają produkty konsumentom. Sklepy te chcą zapewnić, że na półkach znajdują się produkty, które klienci mogą zobaczyć i kupić. Jednym z najbardziej manualnych i czasochłonnych zadań w sklepach spożywczych, szczególnie w dużych supermarketach, jest dbanie o to, aby półki były zaopatrzone. Sprawdzanie poszczególnych półek, aby upewnić się, że wszelkie luki są wypełnione produktami z magazynów. IoT może w tym pomóc, wykorzystując modele AI działające na urządzeniach IoT do liczenia zapasów, używając modeli uczenia maszynowego, które nie tylko klasyfikują obrazy, ale także potrafią wykrywać pojedyncze obiekty i je liczyć. W tych dwóch lekcjach nauczysz się, jak trenować modele AI oparte na obrazach do liczenia zapasów oraz jak uruchamiać te modele na urządzeniach IoT. > 💁 Te lekcje będą korzystać z zasobów chmurowych. Jeśli nie ukończysz wszystkich lekcji w tym projekcie, upewnij się, że [posprzątasz swój projekt](../clean-up.md). ## Tematy 1. [Trenowanie detektora zapasów](./lessons/1-train-stock-detector/README.md) 1. [Sprawdzanie zapasów za pomocą urządzenia IoT](./lessons/2-check-stock-device/README.md) ## Podziękowania Wszystkie lekcje zostały napisane z ♥️ przez [Jim Bennett](https://GitHub.com/JimBobBennett) **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż staramy się zapewnić dokładność, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji krytycznych zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.