IoT-For-Beginners/translations/sv

Gå med i Azure AI Foundry Community

Om du fastnar eller har frågor om att bygga AI-appar, gå med andra elever och erfarna utvecklare i diskussioner om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt.

Om du har produktfeedback eller stöter på problem under byggandet, besök:

Följ dessa steg för att komma igång med att använda dessa resurser:

1. Forka Repositoriet: Klicka
2. Klona Repositoriet: git clone https://github.com/microsoft/IoT-For-Beginners.git
3. Gå med i Microsoft Foundry Discord och träffa experter och andra utvecklare

🌐 Stöd för flera språk

Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

Arabiska | Bengali | Bulgariska | Burmesiska (Myanmar) | Kinesiska (Förenklad) | Kinesiska (Traditionell, Hongkong) | Kinesiska (Traditionell, Macau) | Kinesiska (Traditionell, Taiwan) | Kroatiska | Tjeckiska | Danska | Holländska | Estniska | Finska | Franska | Tyska | Grekiska | Hebreiska | Hindi | Ungerska | Indonesiska | Italienska | Japanska | Koreanska | Litauiska | Malajiska | Marathi | Nepalesiska | Nigeriansk Pidgin | Norska | Persiska (Farsi) | Polska | Portugisiska (Brasilien) | Portugisiska (Portugal) | Punjabi (Gurmukhi) | Rumänska | Ryska | Serbiska (Kyrilliska) | Slovakiska | Slovenska | Spanska | Swahili | Svenska | Tagalog (Filippinska) | Tamil | Thailändska | Turkiska | Ukrainska | Urdu | Vietnamesiska

IoT för Nybörjare - En Läroplan

Azure Cloud Advocates på Microsoft är glada att kunna erbjuda en 12-veckors, 24-lektions läroplan om grunderna i IoT. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att slutföra lektionen, en lösning, en uppgift och mer. Vår projektbaserade pedagogik låter dig lära dig medan du bygger, ett beprövat sätt för nya färdigheter att "fastna".

Projekten täcker resan för mat från gård till bord. Detta inkluderar jordbruk, logistik, tillverkning, detaljhandel och konsument - alla populära branscher för IoT-enheter.

Sketchnote av Nitya Narasimhan. Klicka på bilden för en större version.

Stort tack till våra författare Jen Fox, Jen Looper, Jim Bennett, och vår sketchnote-konstnär Nitya Narasimhan.

Tack också till vårt team av Microsoft Learn Student Ambassadors som har granskat och översatt denna läroplan - Aditya Garg, Anurag Sharma, Arpita Das, Aryan Jain, Bhavesh Suneja, Faith Hunja, Lateefah Bello, Manvi Jha, Mireille Tan, Mohammad Iftekher (Iftu) Ebne Jalal, Mohammad Zulfikar, Priyanshu Srivastav, Thanmai Gowducheruvu, och Zina Kamel.

Möt teamet!

Gif av Mohit Jaisal

🎥 Klicka på bilden ovan för en video om projektet!

Lärare, vi har inkluderat några förslag på hur man använder denna läroplan. Om du vill skapa dina egna lektioner har vi också inkluderat en lektionsmall.

Studenter, för att använda denna läroplan på egen hand, forka hela repot och slutför övningarna själv, börja med ett quiz före lektionen, läs sedan lektionen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.

För en videoöversikt av denna kurs, kolla in denna video:

🎥 Klicka på bilden ovan för en video om projektet!

Pedagogik

Vi har valt två pedagogiska principer när vi byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenter att ha byggt ett växtövervaknings- och bevattningssystem, en fordonsföljare, en smart fabrik för att spåra och kontrollera mat, och en röststyrd matlagningstimer, samt ha lärt sig grunderna i Internet of Things inklusive hur man skriver enhetskod, ansluter till molnet, analyserar telemetri och kör AI vid kanten.

Genom att säkerställa att innehållet är kopplat till projekt görs processen mer engagerande för studenter och koncepten blir lättare att komma ihåg.

Dessutom sätter ett lågtröskelquiz före en lektion studentens intention mot att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare retention. Denna läroplan är designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa i slutet av den 12-veckors cykeln.

Varje projekt är baserat på verklig hårdvara som är tillgänglig för studenter och hobbyister. Varje projekt undersöker det specifika projektområdet och ger relevant bakgrundskunskap. För att bli en framgångsrik utvecklare är det bra att förstå det område där du löser problem. Genom att ge denna bakgrundskunskap kan studenter tänka på sina IoT-lösningar och lärdomar i kontexten av den typ av verkliga problem som de kan bli ombedda att lösa som IoT-utvecklare. Studenter lär sig "varför" bakom lösningarna de bygger och får en förståelse för slutanvändaren.

Hårdvara

Vi har två val av IoT-hårdvara att använda för projekten beroende på personliga preferenser, programmeringsspråkskunskaper eller preferenser, lärandemål och tillgänglighet. Vi har också tillhandahållit en "virtuell hårdvara"-version för dem som inte har tillgång till hårdvara, eller som vill lära sig mer innan de bestämmer sig för ett köp. Du kan läsa mer och hitta en "inköpslista" på hårdvarusidan, inklusive länkar för att köpa kompletta kit från våra vänner på Seeed Studio.

💁 Hitta vår Uppförandekod, Bidragsriktlinjer, och Översättningsriktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion inkluderar:

• sketchnote
• valfri kompletterande video
• uppvärmningsquiz före lektionen
• skriftlig lektion
• för projektbaserade lektioner, steg-för-steg-guider om hur man bygger projektet
• kunskapskontroller
• en utmaning
• kompletterande läsning
• uppgift
• quiz efter lektionen

En anteckning om frågesporter: Alla frågesporter finns i mappen quiz-app, totalt 48 frågesporter med tre frågor vardera. De är länkade från lektionerna, men frågesportsappen kan köras lokalt eller distribueras till Azure; följ instruktionerna i mappen quiz-app. De lokaliseras gradvis.

Lektioner

	Projektnamn	Lärda koncept	Lärandemål	Länkad lektion
01	Komma igång	Introduktion till IoT	Lär dig de grundläggande principerna för IoT och de grundläggande byggstenarna i IoT-lösningar som sensorer och molntjänster medan du sätter upp din första IoT-enhet	Introduktion till IoT
02	Komma igång	En djupare inblick i IoT	Lär dig mer om komponenterna i ett IoT-system, samt mikrokontroller och enkortsdatorer	En djupare inblick i IoT
03	Komma igång	Interagera med den fysiska världen med sensorer och ställdon	Lär dig om sensorer för att samla in data från den fysiska världen och ställdon för att skicka feedback, medan du bygger en nattlampa	Interagera med den fysiska världen med sensorer och ställdon
04	Komma igång	Anslut din enhet till Internet	Lär dig hur du ansluter en IoT-enhet till Internet för att skicka och ta emot meddelanden genom att ansluta din nattlampa till en MQTT-broker	Anslut din enhet till Internet
05	Gård	Förutsäga växttillväxt	Lär dig att förutsäga växttillväxt med hjälp av temperaturdata som samlats in av en IoT-enhet	Förutsäga växttillväxt
06	Gård	Upptäcka jordfuktighet	Lär dig att upptäcka jordfuktighet och kalibrera en jordfuktighetssensor	Upptäcka jordfuktighet
07	Gård	Automatiserad växtbevattning	Lär dig att automatisera och tidsinställa bevattning med hjälp av ett relä och MQTT	Automatiserad växtbevattning
08	Gård	Migrera din växt till molnet	Lär dig om molnet och molnbaserade IoT-tjänster och hur du ansluter din växt till en av dessa istället för en offentlig MQTT-broker	Migrera din växt till molnet
09	Gård	Migrera din applikationslogik till molnet	Lär dig hur du kan skriva applikationslogik i molnet som svarar på IoT-meddelanden	Migrera din applikationslogik till molnet
10	Gård	Håll din växt säker	Lär dig om säkerhet med IoT och hur du håller din växt säker med nycklar och certifikat	Håll din växt säker
11	Transport	Platsövervakning	Lär dig om GPS-platsövervakning för IoT-enheter	Platsövervakning
12	Transport	Lagra platsdata	Lär dig hur du lagrar IoT-data för att visualiseras eller analyseras senare	Lagra platsdata
13	Transport	Visualisera platsdata	Lär dig om att visualisera platsdata på en karta och hur kartor representerar den verkliga 3D-världen i två dimensioner	Visualisera platsdata
14	Transport	Geofencing	Lär dig om geofencing och hur det kan användas för att varna när fordon i leveranskedjan är nära sin destination	Geofencing
15	Tillverkning	Träna en fruktkvalitetsdetektor	Lär dig att träna en bildklassificerare i molnet för att upptäcka fruktkvalitet	Träna en fruktkvalitetsdetektor
16	Tillverkning	Kontrollera fruktkvalitet från en IoT-enhet	Lär dig att använda din fruktkvalitetsdetektor från en IoT-enhet	Kontrollera fruktkvalitet från en IoT-enhet
17	Tillverkning	Kör din fruktdetektor vid kanten	Lär dig att köra din fruktdetektor på en IoT-enhet vid kanten	Kör din fruktdetektor vid kanten
18	Tillverkning	Utlös fruktkvalitetsdetektering från en sensor	Lär dig att utlösa fruktkvalitetsdetektering från en sensor	Utlös fruktkvalitetsdetektering från en sensor
19	Detaljhandel	Träna en lagerdetektor	Lär dig att använda objektdetektering för att träna en lagerdetektor för att räkna lager i en butik	Träna en lagerdetektor
20	Detaljhandel	Kontrollera lager från en IoT-enhet	Lär dig att kontrollera lager från en IoT-enhet med hjälp av en objektdetekteringsmodell	Kontrollera lager från en IoT-enhet
21	Konsument	Känna igen tal med en IoT-enhet	Lär dig att känna igen tal från en IoT-enhet för att bygga en smart timer	Känna igen tal med en IoT-enhet
22	Konsument	Förstå språk	Lär dig att förstå meningar som talas till en IoT-enhet	Förstå språk
23	Konsument	Ställ in en timer och ge talad feedback	Lär dig att ställa in en timer på en IoT-enhet och ge talad feedback om när timern är inställd och när den är klar	Ställ in en timer och ge talad feedback
24	Konsument	Stöd flera språk	Lär dig att stödja flera språk, både de som talas till och svaren från din smarta timer	Stöd flera språk

Offlineåtkomst

Du kan köra denna dokumentation offline med hjälp av Docsify. Forka detta repo, installera Docsify på din lokala maskin och skriv sedan docsify serve i rotmappen av detta repo. Webbplatsen kommer att köras på port 3000 på din localhost: localhost:3000.

Frågesport

Tack till communityn för att de är värd för den interaktiva frågesporten som testar dina kunskaper om varje kapitel. Du kan testa dina kunskaper här

PDF

Du kan generera en PDF av detta innehåll för offlineåtkomst om det behövs. För att göra detta, se till att du har npm installerat och kör följande kommandon i rotmappen av detta repo:

npm i
npm run convert

Presentationer

Det finns presentationsmaterial för vissa av lektionerna i mappen slides.

Andra läroplaner

Vårt team producerar andra läroplaner! Kolla in:

Azure / Edge / MCP / Agenter

---

Generativ AI-serie

---

Grundläggande lärande

---

Copilot-serien

Bildattributioner

Du kan hitta alla attributioner för bilder som används i detta läroplan där det krävs i Attributions.

---

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, bör det noteras att automatiserade översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.