IoT-For-Beginners/translations/cs

Připojte se ke komunitě Azure AI Foundry

Postupujte podle těchto kroků, abyste mohli začít používat tyto zdroje:

1. Forkněte repozitář: Klikněte
2. Naklonujte repozitář: git clone https://github.com/microsoft/IoT-For-Beginners.git
3. Připojte se na Discord Azure AI Foundry a setkejte se s experty a dalšími vývojáři

🌐 Podpora více jazyků

Podporováno prostřednictvím GitHub Action (automatizované a vždy aktuální)

Arabština | Bengálština | Bulharština | Barmština (Myanmar) | Čínština (zjednodušená) | Čínština (tradiční, Hongkong) | Čínština (tradiční, Macao) | Čínština (tradiční, Tchaj-wan) | Chorvatština | Čeština | Dánština | Nizozemština | Finština | Francouzština | Němčina | Řečtina | Hebrejština | Hindština | Maďarština | Indonéština | Italština | Japonština | Korejština | Malajština | Maráthština | Nepálština | Norština | Perština (Farsi) | Polština | Portugalština (Brazílie) | Portugalština (Portugalsko) | Panjábština (Gurmukhi) | Rumunština | Ruština | Srbština (cyrilice) | Slovenština | Slovinština | Španělština | Svahilština | Švédština | Tagalog (Filipíny) | Thajština | Turečtina | Ukrajinština | Urdu | Vietnamština

IoT pro začátečníky - kurikulum

Azure Cloud Advocates v Microsoftu s potěšením nabízejí 12týdenní kurikulum s 24 lekcemi zaměřené na základy IoT. Každá lekce obsahuje kvízy před a po lekci, písemné pokyny k dokončení lekce, řešení, úkoly a další. Náš přístup založený na projektech vám umožní učit se při tvorbě, což je osvědčený způsob, jak si nové dovednosti lépe osvojit.

Projekty pokrývají cestu potravin od farmy na stůl. To zahrnuje zemědělství, logistiku, výrobu, maloobchod a spotřebitele - všechny oblíbené oblasti průmyslu pro IoT zařízení.

Sketchnote od Nitya Narasimhan. Klikněte na obrázek pro větší verzi.

Velké díky našim autorům Jen Fox, Jen Looper, Jim Bennett a naší sketchnote umělkyni Nitya Narasimhan.

Děkujeme také našemu týmu Microsoft Learn Student Ambassadors, kteří revidovali a překládali toto kurikulum - 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 a Zina Kamel.

Seznamte se s týmem!

Gif vytvořil Mohit Jaisal

🎥 Klikněte na obrázek výše pro video o projektu!

Učitelé, zahrnuli jsme několik návrhů, jak toto kurikulum využít. Pokud byste chtěli vytvořit vlastní lekce, zahrnuli jsme také šablonu lekce.

Studenti, pokud chcete toto kurikulum použít samostatně, forkněte celý repozitář a dokončete cvičení sami, začněte kvízem před lekcí, poté si přečtěte lekci a dokončete zbytek aktivit. Snažte se vytvářet projekty pochopením lekcí, místo abyste kopírovali řešení kódu; tento kód je však dostupný ve složkách /solutions v každé lekci zaměřené na projekt. Dalším nápadem by bylo vytvořit studijní skupinu s přáteli a projít obsah společně. Pro další studium doporučujeme Microsoft Learn.

Pro video přehled tohoto kurzu se podívejte na toto video:

🎥 Klikněte na obrázek výše pro video o projektu!

Pedagogika

Při tvorbě tohoto kurikula jsme zvolili dva pedagogické principy: zajistit, aby bylo založeno na projektech, a zahrnout časté kvízy. Na konci této série studenti vytvoří systém monitorování a zavlažování rostlin, sledovač vozidel, chytrou továrnu pro sledování a kontrolu potravin a hlasem ovládaný kuchyňský časovač, a naučí se základy Internetu věcí včetně psaní kódu pro zařízení, připojení ke cloudu, analýzy telemetrie a provozování AI na okraji.

Zajištěním, že obsah odpovídá projektům, je proces pro studenty poutavější a zlepšuje se uchování konceptů.

Navíc nízkostresový kvíz před hodinou nastaví záměr studenta na učení daného tématu, zatímco druhý kvíz po hodině zajistí další uchování. Toto kurikulum bylo navrženo tak, aby bylo flexibilní a zábavné, a lze jej absolvovat celé nebo po částech. Projekty začínají malými úkoly a postupně se stávají složitějšími na konci 12týdenního cyklu.

Každý projekt je založen na reálném hardwaru dostupném studentům a nadšencům. Každý projekt se zaměřuje na konkrétní doménu projektu a poskytuje relevantní základní znalosti. Aby byl vývojář úspěšný, je užitečné rozumět doméně, ve které řeší problémy. Poskytnutí těchto základních znalostí umožňuje studentům přemýšlet o svých IoT řešeních a poznatcích v kontextu reálných problémů, které by mohli být požádáni řešit jako IoT vývojáři. Studenti se učí "proč" řešení, která vytvářejí, a získávají ocenění pro koncového uživatele.

Hardware

Máme dvě možnosti IoT hardwaru pro použití v projektech v závislosti na osobních preferencích, znalostech nebo preferencích programovacího jazyka, cílech učení a dostupnosti. Poskytli jsme také verzi "virtuálního hardwaru" pro ty, kteří nemají přístup k hardwaru nebo se chtějí nejprve naučit více, než se rozhodnou pro nákup. Více informací a "nákupní seznam" najdete na stránce o hardwaru, včetně odkazů na nákup kompletních sad od našich přátel v Seeed Studio.

💁 Najděte naše Pravidla chování, Pokyny pro přispívání a Pokyny pro překlad. Vaše konstruktivní zpětná vazba je vítána!

Každá lekce obsahuje:

• sketchnote
• volitelné doplňkové video
• kvíz na zahřátí před lekcí
• písemnou lekci
• u lekcí zaměřených na projekt, podrobné průvodce, jak projekt vytvořit
• kontrolu znalostí
• výzvu
• doplňkové čtení
• úkol
• kvíz po lekci

Poznámka k kvízům: Všechny kvízy se nacházejí ve složce quiz-app, celkem 48 kvízů, každý se třemi otázkami. Jsou propojeny v rámci lekcí, ale aplikaci pro kvízy lze spustit lokálně nebo nasadit na Azure; postupujte podle pokynů ve složce quiz-app. Postupně jsou lokalizovány.

Lekce

	Název projektu	Naučené koncepty	Cíle učení	Propojená lekce
01	Začínáme	Úvod do IoT	Naučte se základní principy IoT a základní stavební bloky IoT řešení, jako jsou senzory a cloudové služby, zatímco nastavujete své první IoT zařízení	Úvod do IoT
02	Začínáme	Hlubší pohled na IoT	Naučte se více o součástech IoT systému, stejně jako o mikrokontrolérech a jednodeskových počítačích	Hlubší pohled na IoT
03	Začínáme	Interakce s fyzickým světem pomocí senzorů a akčních členů	Naučte se o senzorech pro sběr dat z fyzického světa a akčních členech pro zpětnou vazbu, zatímco stavíte noční světlo	Interakce s fyzickým světem pomocí senzorů a akčních členů
04	Začínáme	Připojte své zařízení k internetu	Naučte se, jak připojit IoT zařízení k internetu pro odesílání a přijímání zpráv připojením svého nočního světla k MQTT brokeru	Připojte své zařízení k internetu
05	Farma	Predikce růstu rostlin	Naučte se predikovat růst rostlin pomocí teplotních dat zachycených IoT zařízením	Predikce růstu rostlin
06	Farma	Detekce vlhkosti půdy	Naučte se detekovat vlhkost půdy a kalibrovat senzor vlhkosti půdy	Detekce vlhkosti půdy
07	Farma	Automatické zavlažování rostlin	Naučte se automatizovat a načasovat zavlažování pomocí relé a MQTT	Automatické zavlažování rostlin
08	Farma	Migrace vaší rostliny do cloudu	Naučte se o cloudu a cloudových IoT službách a jak připojit svou rostlinu k jedné z nich místo veřejného MQTT brokeru	Migrace vaší rostliny do cloudu
09	Farma	Migrace aplikační logiky do cloudu	Naučte se, jak psát aplikační logiku v cloudu, která reaguje na IoT zprávy	Migrace aplikační logiky do cloudu
10	Farma	Zabezpečte svou rostlinu	Naučte se o zabezpečení IoT a jak udržet svou rostlinu v bezpečí pomocí klíčů a certifikátů	Zabezpečte svou rostlinu
11	Doprava	Sledování polohy	Naučte se o GPS sledování polohy pro IoT zařízení	Sledování polohy
12	Doprava	Ukládání dat o poloze	Naučte se ukládat IoT data pro pozdější vizualizaci nebo analýzu	Ukládání dat o poloze
13	Doprava	Vizualizace dat o poloze	Naučte se vizualizovat data o poloze na mapě a jak mapy reprezentují reálný 3D svět ve 2D	Vizualizace dat o poloze
14	Doprava	Geofencing	Naučte se o geofencích a jak je lze použít k upozornění, když se vozidla v dodavatelském řetězci blíží k cíli	Geofencing
15	Výroba	Trénink detektoru kvality ovoce	Naučte se trénovat klasifikátor obrázků v cloudu pro detekci kvality ovoce	Trénink detektoru kvality ovoce
16	Výroba	Kontrola kvality ovoce z IoT zařízení	Naučte se používat detektor kvality ovoce z IoT zařízení	Kontrola kvality ovoce z IoT zařízení
17	Výroba	Spuštění detektoru ovoce na okraji	Naučte se spouštět detektor ovoce na IoT zařízení na okraji	Spuštění detektoru ovoce na okraji
18	Výroba	Spuštění detekce kvality ovoce ze senzoru	Naučte se spouštět detekci kvality ovoce ze senzoru	Spuštění detekce kvality ovoce ze senzoru
19	Maloobchod	Trénink detektoru zásob	Naučte se používat detekci objektů k trénování detektoru zásob pro počítání zásob v obchodě	Trénink detektoru zásob
20	Maloobchod	Kontrola zásob z IoT zařízení	Naučte se kontrolovat zásoby z IoT zařízení pomocí modelu detekce objektů	Kontrola zásob z IoT zařízení
21	Spotřebitel	Rozpoznávání řeči pomocí IoT zařízení	Naučte se rozpoznávat řeč z IoT zařízení pro vytvoření chytrého časovače	Rozpoznávání řeči pomocí IoT zařízení
22	Spotřebitel	Porozumění jazyku	Naučte se porozumět větám mluveným k IoT zařízení	Porozumění jazyku
23	Spotřebitel	Nastavení časovače a poskytování mluvené zpětné vazby	Naučte se nastavit časovač na IoT zařízení a poskytovat mluvenou zpětnou vazbu o tom, kdy je časovač nastaven a kdy skončí	Nastavení časovače a poskytování mluvené zpětné vazby
24	Spotřebitel	Podpora více jazyků	Naučte se podporovat více jazyků, jak pro mluvení k zařízení, tak pro odpovědi od chytrého časovače	Podpora více jazyků

Offline přístup

Tuto dokumentaci můžete spustit offline pomocí Docsify. Forkněte toto repo, nainstalujte Docsify na svůj lokální počítač a poté v kořenové složce tohoto repozitáře zadejte docsify serve. Web bude spuštěn na portu 3000 na vašem localhostu: localhost:3000.

Kvíz

Díky komunitě za hostování interaktivního kvízu, který testuje vaše znalosti z každé kapitoly. Své znalosti můžete otestovat zde

PDF

Můžete si vygenerovat PDF tohoto obsahu pro offline přístup, pokud je to potřeba. K tomu se ujistěte, že máte nainstalovaný npm a spusťte následující příkazy v kořenové složce tohoto repozitáře:

npm i
npm run convert

Prezentace

Pro některé lekce jsou k dispozici prezentace ve složce slides.

Další kurikula

Náš tým vytváří další kurikula! Podívejte se na:

• AI Agents for Beginners
• MCP for Beginners
• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for Agentic use
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

Atribuce obrázků

Všechny atribuce k obrázkům použitým v tomto kurikulu najdete tam, kde je to vyžadováno, v souboru Attributions.

---

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. I když se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.