co-op-translator[bot]
2da511f5a1
|
9 months ago | |
|---|---|---|
| .. | ||
| 1-getting-started | 12 months ago | |
| 2-farm | 12 months ago | |
| 3-transport | 12 months ago | |
| 4-manufacturing | 12 months ago | |
| 5-retail | 12 months ago | |
| 6-consumer | 12 months ago | |
| docs | 12 months ago | |
| images | 12 months ago | |
| lesson-template | 12 months ago | |
| quiz-app | 12 months ago | |
| CODE_OF_CONDUCT.md | 12 months ago | |
| CONTRIBUTING.md | 12 months ago | |
| README.md | 9 months ago | |
| SECURITY.md | 12 months ago | |
| SUPPORT.md | 12 months ago | |
| attributions.md | 12 months ago | |
| clean-up.md | 12 months ago | |
| for-teachers.md | 12 months ago | |
| hardware.md | 12 months ago | |
| recommended-learning-model.md | 12 months ago | |
README.md
به جامعه Azure AI Foundry بپیوندید
اگر در ساخت برنامههای هوش مصنوعی به مشکل برخوردید یا سوالی دارید، به بحثهای جامعه MCP بپیوندید. این جامعهای حمایتی است که در آن سوالات پذیرفته میشوند و دانش به صورت آزادانه به اشتراک گذاشته میشود.
اگر بازخورد محصول یا خطاهایی در هنگام ساخت دارید، به اینجا مراجعه کنید:
برای شروع استفاده از این منابع، مراحل زیر را دنبال کنید:
- انشعاب مخزن: کلیک کنید
- کلون کردن مخزن:
git clone https://github.com/microsoft/IoT-For-Beginners.git - به Discord Microsoft Foundry بپیوندید و با کارشناسان و توسعهدهندگان دیگر ملاقات کنید
🌐 پشتیبانی چندزبانه
پشتیبانی شده از طریق GitHub Action (خودکار و همیشه بهروز)
عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگکنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجاری | اندونزیایی | ایتالیایی | ژاپنی | کرهای | لیتوانیایی | مالایی | مراتی | نپالی | پیجین نیجریهای | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورموکی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیلی | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
اینترنت اشیا برای مبتدیان - یک برنامه آموزشی
مدافعان ابری Azure در مایکروسافت خوشحال هستند که یک برنامه آموزشی ۱۲ هفتهای و ۲۴ درس درباره اصول اینترنت اشیا ارائه میدهند. هر درس شامل آزمونهای قبل و بعد از درس، دستورالعملهای نوشتاری برای تکمیل درس، یک راهحل، یک تکلیف و موارد دیگر است. روش آموزشی مبتنی بر پروژه ما به شما امکان میدهد در حین ساخت یاد بگیرید، که یک روش اثباتشده برای تثبیت مهارتهای جدید است.
پروژهها سفر غذا از مزرعه تا میز را پوشش میدهند. این شامل کشاورزی، لجستیک، تولید، خردهفروشی و مصرفکننده است - همه حوزههای صنعتی محبوب برای دستگاههای اینترنت اشیا.
طراحی توسط نیتیا ناراسیمهان. برای مشاهده نسخه بزرگتر روی تصویر کلیک کنید.
تشکر فراوان از نویسندگان ما جن فاکس، جن لوپر، جیم بنت، و هنرمند طراحی ما نیتیا ناراسیمهان.
همچنین از تیم سفیران دانشجویی Microsoft Learn که این برنامه آموزشی را بررسی و ترجمه کردهاند، تشکر میکنیم - آدیتیا گارگ، آنوراگ شارما، آرپیتا داس، آریان جین، بهاوش سونجا، فیت هونجا، لطیفه بلو، مانوی جا، میرایل تان، محمد افتخار (ایفتو) ابن جلال، محمد زلفیکار، پریانشو سریواستاوا، تانمای گاودوچروو، و زینا کامل.
با تیم آشنا شوید!
گیف توسط موهیت جایسال
🎥 برای مشاهده ویدیو درباره پروژه، روی تصویر بالا کلیک کنید!
معلمان، ما برخی پیشنهادات درباره نحوه استفاده از این برنامه آموزشی را ارائه کردهایم. اگر میخواهید درسهای خود را ایجاد کنید، ما همچنین یک الگوی درس را شامل کردهایم.
دانشآموزان، برای استفاده از این برنامه آموزشی به صورت مستقل، کل مخزن را انشعاب دهید و تمرینها را به صورت مستقل انجام دهید، با آزمون قبل از درس شروع کنید، سپس درس را بخوانید و بقیه فعالیتها را تکمیل کنید. سعی کنید پروژهها را با درک درسها ایجاد کنید نه با کپی کردن کد راهحل؛ با این حال، آن کد در پوشههای /solutions در هر درس مبتنی بر پروژه موجود است. ایده دیگر این است که یک گروه مطالعه با دوستان تشکیل دهید و محتوا را با هم مرور کنید. برای مطالعه بیشتر، ما Microsoft Learn را توصیه میکنیم.
برای مشاهده ویدیو معرفی این دوره، این ویدیو را بررسی کنید:
🎥 برای مشاهده ویدیو درباره پروژه، روی تصویر بالا کلیک کنید!
روش آموزشی
ما دو اصل آموزشی را در هنگام ساخت این برنامه آموزشی انتخاب کردهایم: اطمینان از اینکه مبتنی بر پروژه است و شامل آزمونهای مکرر میشود. تا پایان این سری، دانشآموزان یک سیستم نظارت و آبیاری گیاه، یک ردیاب وسیله نقلیه، یک تنظیم کارخانه هوشمند برای ردیابی و بررسی غذا، و یک تایمر آشپزی کنترلشده با صدا را ساختهاند و اصول اینترنت اشیا از جمله نحوه نوشتن کد دستگاه، اتصال به ابر، تحلیل دادههای تلومتری و اجرای هوش مصنوعی در لبه را یاد گرفتهاند.
با اطمینان از اینکه محتوا با پروژهها هماهنگ است، فرآیند برای دانشآموزان جذابتر میشود و حفظ مفاهیم افزایش مییابد.
علاوه بر این، یک آزمون کمفشار قبل از کلاس، قصد دانشآموز را به سمت یادگیری یک موضوع هدایت میکند، در حالی که یک آزمون دوم بعد از کلاس، حفظ بیشتر را تضمین میکند. این برنامه آموزشی به گونهای طراحی شده است که انعطافپذیر و سرگرمکننده باشد و میتوان آن را به صورت کامل یا جزئی انجام داد. پروژهها کوچک شروع میشوند و تا پایان چرخه ۱۲ هفتهای به طور فزایندهای پیچیده میشوند.
هر پروژه بر اساس سختافزار واقعی موجود برای دانشآموزان و علاقهمندان است. هر پروژه به حوزه خاص پروژه میپردازد و دانش زمینهای مرتبط را ارائه میدهد. برای موفقیت به عنوان یک توسعهدهنده، کمک میکند که حوزهای که در آن مشکلات را حل میکنید را درک کنید، ارائه این دانش زمینهای به دانشآموزان اجازه میدهد تا درباره راهحلهای اینترنت اشیا و یادگیریهای خود در زمینه نوع مشکل واقعی که ممکن است به عنوان یک توسعهدهنده اینترنت اشیا از آنها خواسته شود حل کنند، فکر کنند. دانشآموزان دلیل راهحلهایی که میسازند را یاد میگیرند و قدردانی از کاربر نهایی پیدا میکنند.
سختافزار
ما دو گزینه سختافزار اینترنت اشیا برای استفاده در پروژهها داریم که بسته به ترجیحات شخصی، دانش زبان برنامهنویسی یا ترجیحات، اهداف یادگیری و در دسترس بودن متفاوت است. ما همچنین نسخهای از "سختافزار مجازی" را برای کسانی که به سختافزار دسترسی ندارند یا میخواهند قبل از خرید بیشتر یاد بگیرند، ارائه کردهایم. میتوانید بیشتر بخوانید و یک "لیست خرید" را در صفحه سختافزار پیدا کنید، از جمله لینکهایی برای خرید کیتهای کامل از دوستان ما در Seeed Studio.
💁 قوانین رفتاری، مشارکت، و راهنمای ترجمه ما را پیدا کنید. ما از بازخورد سازنده شما استقبال میکنیم!
هر درس شامل موارد زیر است:
- طراحی
- ویدیو اختیاری تکمیلی
- آزمون گرمآپ قبل از درس
- درس نوشتاری
- برای درسهای مبتنی بر پروژه، راهنمای گامبهگام درباره نحوه ساخت پروژه
- بررسی دانش
- یک چالش
- مطالعه تکمیلی
- تکلیف
- آزمون بعد از درس
نکتهای درباره آزمونها: تمامی آزمونها در پوشه quiz-app قرار دارند و شامل ۴۸ آزمون با سه سؤال در هر آزمون هستند. این آزمونها از داخل درسها لینک شدهاند، اما میتوان اپلیکیشن آزمون را به صورت محلی اجرا کرد یا در Azure مستقر نمود؛ دستورالعملها در پوشه
quiz-appموجود است. این آزمونها به تدریج بومیسازی میشوند.
درسها
| نام پروژه | مفاهیم آموزش داده شده | اهداف یادگیری | درس مرتبط | |
|---|---|---|---|---|
| 01 | شروع به کار | مقدمهای بر اینترنت اشیا | یادگیری اصول اولیه اینترنت اشیا و اجزای اصلی راهحلهای اینترنت اشیا مانند حسگرها و خدمات ابری در حین راهاندازی اولین دستگاه اینترنت اشیا | مقدمهای بر اینترنت اشیا |
| 02 | شروع به کار | بررسی عمیقتر اینترنت اشیا | یادگیری بیشتر درباره اجزای یک سیستم اینترنت اشیا، همچنین میکروکنترلرها و کامپیوترهای تکبردی | بررسی عمیقتر اینترنت اشیا |
| 03 | شروع به کار | تعامل با دنیای فیزیکی با حسگرها و عملگرها | یادگیری درباره حسگرها برای جمعآوری داده از دنیای فیزیکی و عملگرها برای ارسال بازخورد، در حین ساخت یک چراغ شبانه | تعامل با دنیای فیزیکی با حسگرها و عملگرها |
| 04 | شروع به کار | اتصال دستگاه به اینترنت | یادگیری نحوه اتصال یک دستگاه اینترنت اشیا به اینترنت برای ارسال و دریافت پیامها با اتصال چراغ شبانه به یک بروکر MQTT | اتصال دستگاه به اینترنت |
| 05 | مزرعه | پیشبینی رشد گیاه | یادگیری نحوه پیشبینی رشد گیاه با استفاده از دادههای دمایی که توسط یک دستگاه اینترنت اشیا جمعآوری شده است | پیشبینی رشد گیاه |
| 06 | مزرعه | تشخیص رطوبت خاک | یادگیری نحوه تشخیص رطوبت خاک و کالیبره کردن یک حسگر رطوبت خاک | تشخیص رطوبت خاک |
| 07 | مزرعه | آبیاری خودکار گیاهان | یادگیری نحوه خودکارسازی و زمانبندی آبیاری با استفاده از یک رله و MQTT | آبیاری خودکار گیاهان |
| 08 | مزرعه | انتقال گیاه به فضای ابری | یادگیری درباره فضای ابری و خدمات اینترنت اشیا مبتنی بر ابر و نحوه اتصال گیاه به یکی از این خدمات به جای یک بروکر عمومی MQTT | انتقال گیاه به فضای ابری |
| 09 | مزرعه | انتقال منطق برنامه به فضای ابری | یادگیری نحوه نوشتن منطق برنامه در فضای ابری که به پیامهای اینترنت اشیا پاسخ میدهد | انتقال منطق برنامه به فضای ابری |
| 10 | مزرعه | ایمنسازی گیاه | یادگیری درباره امنیت در اینترنت اشیا و نحوه ایمنسازی گیاه با استفاده از کلیدها و گواهینامهها | ایمنسازی گیاه |
| 11 | حمل و نقل | ردیابی موقعیت | یادگیری درباره ردیابی موقعیت GPS برای دستگاههای اینترنت اشیا | ردیابی موقعیت |
| 12 | حمل و نقل | ذخیره دادههای موقعیت | یادگیری نحوه ذخیره دادههای اینترنت اشیا برای تجسم یا تحلیل در آینده | ذخیره دادههای موقعیت |
| 13 | حمل و نقل | تجسم دادههای موقعیت | یادگیری درباره تجسم دادههای موقعیت روی نقشه و نحوه نمایش نقشهها از دنیای واقعی سهبعدی در دو بعد | تجسم دادههای موقعیت |
| 14 | حمل و نقل | حصارهای جغرافیایی | یادگیری درباره حصارهای جغرافیایی و نحوه استفاده از آنها برای هشدار زمانی که وسایل نقلیه در زنجیره تأمین به مقصد نزدیک میشوند | حصارهای جغرافیایی |
| 15 | تولید | آموزش یک تشخیصدهنده کیفیت میوه | یادگیری درباره آموزش یک طبقهبند تصویر در فضای ابری برای تشخیص کیفیت میوه | آموزش یک تشخیصدهنده کیفیت میوه |
| 16 | تولید | بررسی کیفیت میوه از یک دستگاه اینترنت اشیا | یادگیری درباره استفاده از تشخیصدهنده کیفیت میوه از یک دستگاه اینترنت اشیا | بررسی کیفیت میوه از یک دستگاه اینترنت اشیا |
| 17 | تولید | اجرای تشخیصدهنده میوه در لبه | یادگیری درباره اجرای تشخیصدهنده میوه روی یک دستگاه اینترنت اشیا در لبه | اجرای تشخیصدهنده میوه در لبه |
| 18 | تولید | فعالسازی تشخیص کیفیت میوه از یک حسگر | یادگیری درباره فعالسازی تشخیص کیفیت میوه از یک حسگر | فعالسازی تشخیص کیفیت میوه از یک حسگر |
| 19 | خردهفروشی | آموزش یک تشخیصدهنده موجودی | یادگیری نحوه استفاده از تشخیص اشیا برای آموزش یک تشخیصدهنده موجودی برای شمارش موجودی در یک فروشگاه | آموزش یک تشخیصدهنده موجودی |
| 20 | خردهفروشی | بررسی موجودی از یک دستگاه اینترنت اشیا | یادگیری نحوه بررسی موجودی از یک دستگاه اینترنت اشیا با استفاده از یک مدل تشخیص اشیا | بررسی موجودی از یک دستگاه اینترنت اشیا |
| 21 | مصرفکننده | تشخیص گفتار با یک دستگاه اینترنت اشیا | یادگیری نحوه تشخیص گفتار از یک دستگاه اینترنت اشیا برای ساخت یک تایمر هوشمند | تشخیص گفتار با یک دستگاه اینترنت اشیا |
| 22 | مصرفکننده | درک زبان | یادگیری نحوه درک جملات گفتهشده به یک دستگاه اینترنت اشیا | درک زبان |
| 23 | مصرفکننده | تنظیم تایمر و ارائه بازخورد صوتی | یادگیری نحوه تنظیم تایمر روی یک دستگاه اینترنت اشیا و ارائه بازخورد صوتی درباره زمان تنظیم تایمر و پایان آن | تنظیم تایمر و ارائه بازخورد صوتی |
| 24 | مصرفکننده | پشتیبانی از چند زبان | یادگیری نحوه پشتیبانی از چند زبان، هم در گفتار و هم در پاسخهای تایمر هوشمند | پشتیبانی از چند زبان |
دسترسی آفلاین
میتوانید این مستندات را به صورت آفلاین با استفاده از Docsify اجرا کنید. این مخزن را فورک کنید، Docsify را نصب کنید روی دستگاه محلی خود، و سپس در پوشه اصلی این مخزن، دستور docsify serve را تایپ کنید. وبسایت روی پورت 3000 در localhost شما ارائه خواهد شد: localhost:3000.
آزمون
از جامعه برای میزبانی آزمون تعاملی که دانش شما را در هر یک از فصلها میسنجد، تشکر میکنیم. میتوانید دانش خود را اینجا آزمایش کنید.
میتوانید یک فایل PDF از این محتوا برای دسترسی آفلاین در صورت نیاز تولید کنید. برای این کار، مطمئن شوید که npm نصب شده است و دستورات زیر را در پوشه اصلی این مخزن اجرا کنید:
npm i
npm run convert
اسلایدها
برای برخی از درسها، اسلایدهایی در پوشه slides موجود است.
سایر برنامههای درسی
تیم ما برنامههای درسی دیگری نیز تولید میکند! بررسی کنید:
Azure / Edge / MCP / Agents
سری هوش مصنوعی مولد
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
آموزشهای اصلی
مجموعه Copilot
انتساب تصاویر
میتوانید تمامی انتسابهای مربوط به تصاویر استفاده شده در این دوره آموزشی را در انتسابها پیدا کنید.
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش میکنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نادرستیهایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، ترجمه حرفهای انسانی توصیه میشود. ما مسئولیتی در قبال هرگونه سوءتفاهم یا تفسیر نادرست ناشی از استفاده از این ترجمه نداریم.