|
1 week ago | |
---|---|---|
.. | ||
1-getting-started | 1 week ago | |
2-farm | 1 week ago | |
3-transport | 1 week ago | |
4-manufacturing | 1 week ago | |
5-retail | 1 week ago | |
6-consumer | 1 week ago | |
docs | 1 week ago | |
images | 1 week ago | |
lesson-template | 1 week ago | |
quiz-app | 1 week ago | |
CODE_OF_CONDUCT.md | 1 week ago | |
CONTRIBUTING.md | 1 week ago | |
README.md | 1 week ago | |
SECURITY.md | 1 week ago | |
SUPPORT.md | 1 week ago | |
attributions.md | 1 week ago | |
clean-up.md | 1 week ago | |
for-teachers.md | 1 week ago | |
hardware.md | 1 week ago | |
recommended-learning-model.md | 1 week ago |
README.md
Připojte se ke komunitě Azure AI Foundry
Postupujte podle těchto kroků, abyste mohli začít používat tyto zdroje:
- Forkněte repozitář: Klikněte
- Naklonujte repozitář:
git clone https://github.com/microsoft/IoT-For-Beginners.git
- 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
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.