36 KiB

Raw Blame History

IoT สำหรับผู้เริ่มต้น - หลักสูตร

ทีม Azure Cloud Advocates จาก Microsoft มีความยินดีที่จะนำเสนอหลักสูตร 12 สัปดาห์ 24 บทเรียนเกี่ยวกับพื้นฐานของ IoT แต่ละบทเรียนประกอบด้วยแบบทดสอบก่อนและหลังบทเรียน คำแนะนำในการทำบทเรียน โซลูชัน งานมอบหมาย และอื่นๆ หลักสูตรที่เน้นการสร้างโปรเจกต์ช่วยให้คุณเรียนรู้ผ่านการลงมือทำ ซึ่งเป็นวิธีที่พิสูจน์แล้วว่าช่วยให้ทักษะใหม่ๆ ติดตัวได้ดีขึ้น

โปรเจกต์ในหลักสูตรครอบคลุมเส้นทางของอาหารตั้งแต่ฟาร์มจนถึงโต๊ะอาหาร ซึ่งรวมถึงการเกษตร การขนส่ง การผลิต การค้าปลีก และผู้บริโภค - ทุกส่วนล้วนเป็นอุตสาหกรรมยอดนิยมสำหรับอุปกรณ์ IoT

ภาพสเก็ตช์โดย Nitya Narasimhan คลิกที่ภาพเพื่อดูเวอร์ชันขนาดใหญ่

ขอขอบคุณผู้เขียนของเรา Jen Fox, Jen Looper, Jim Bennett และศิลปินภาพสเก็ตช์ของเรา Nitya Narasimhan

ขอขอบคุณทีม Microsoft Learn Student Ambassadors ที่ช่วยตรวจสอบและแปลหลักสูตรนี้ - 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, และ Zina Kamel

พบกับทีมของเรา!

Gif โดย Mohit Jaisal

🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโปรเจกต์!

ครู, เราได้ รวมคำแนะนำบางส่วน เกี่ยวกับวิธีการใช้หลักสูตรนี้ หากคุณต้องการสร้างบทเรียนของคุณเอง เราได้รวม เทมเพลตบทเรียน ไว้ด้วย

นักเรียน, หากต้องการใช้หลักสูตรนี้ด้วยตัวเอง ให้ fork repo ทั้งหมดและทำแบบฝึกหัดด้วยตัวเอง โดยเริ่มจากแบบทดสอบก่อนบทเรียน จากนั้นอ่านบทเรียนและทำกิจกรรมอื่นๆ พยายามสร้างโปรเจกต์โดยการทำความเข้าใจบทเรียนแทนที่จะคัดลอกโค้ดโซลูชัน อย่างไรก็ตาม โค้ดนั้นมีอยู่ในโฟลเดอร์ /solutions ในแต่ละบทเรียนที่เน้นโปรเจกต์ อีกแนวคิดหนึ่งคือการสร้างกลุ่มเรียนกับเพื่อนๆ และเรียนรู้เนื้อหาด้วยกัน สำหรับการศึกษาต่อ เราแนะนำ Microsoft Learn

สำหรับวิดีโอภาพรวมของหลักสูตรนี้ ดูวิดีโอนี้:

🎥 คลิกที่ภาพด้านบนเพื่อดูวิดีโอเกี่ยวกับโปรเจกต์!

วิธีการสอน

เราเลือกใช้หลักการสอนสองข้อในการสร้างหลักสูตรนี้: การเน้นโปรเจกต์และการมีแบบทดสอบบ่อยๆ เมื่อจบซีรีส์นี้ นักเรียนจะได้สร้างระบบตรวจสอบและรดน้ำต้นไม้ ระบบติดตามยานพาหนะ การตั้งค่าการตรวจสอบและตรวจสอบอาหารในโรงงานอัจฉริยะ และตัวจับเวลาทำอาหารที่ควบคุมด้วยเสียง รวมถึงเรียนรู้พื้นฐานของ Internet of Things เช่น การเขียนโค้ดอุปกรณ์ การเชื่อมต่อกับคลาวด์ การวิเคราะห์ข้อมูล และการใช้งาน AI บนอุปกรณ์

การทำให้เนื้อหาสอดคล้องกับโปรเจกต์ช่วยให้นักเรียนมีส่วนร่วมมากขึ้น และช่วยเพิ่มการจดจำแนวคิด

นอกจากนี้ แบบทดสอบที่มีความเสี่ยงต่ำก่อนเรียนช่วยให้นักเรียนตั้งเป้าหมายในการเรียนรู้หัวข้อ ขณะที่แบบทดสอบหลังเรียนช่วยเพิ่มการจดจำ หลักสูตรนี้ออกแบบมาให้ยืดหยุ่นและสนุกสนาน และสามารถเรียนได้ทั้งแบบเต็มหรือบางส่วน โปรเจกต์เริ่มต้นจากขนาดเล็กและซับซ้อนขึ้นเรื่อยๆ เมื่อจบหลักสูตร 12 สัปดาห์

แต่ละโปรเจกต์ใช้ฮาร์ดแวร์ IoT ที่มีอยู่จริงสำหรับนักเรียนและผู้ที่สนใจ แต่ละโปรเจกต์จะเจาะลึกในโดเมนของโปรเจกต์นั้นๆ โดยให้ความรู้พื้นฐานที่เกี่ยวข้อง การเป็นนักพัฒนาที่ประสบความสำเร็จนั้นต้องเข้าใจโดเมนที่คุณกำลังแก้ปัญหา การให้ความรู้พื้นฐานนี้ช่วยให้นักเรียนคิดเกี่ยวกับโซลูชัน IoT และการเรียนรู้ในบริบทของปัญหาในโลกจริงที่พวกเขาอาจต้องแก้ไขในฐานะนักพัฒนา IoT นักเรียนจะได้เรียนรู้ 'เหตุผล' ของโซลูชันที่พวกเขากำลังสร้าง และเข้าใจผู้ใช้งานปลายทาง

ฮาร์ดแวร์

เรามีตัวเลือกฮาร์ดแวร์ IoT สองแบบสำหรับใช้ในโปรเจกต์ ขึ้นอยู่กับความชอบส่วนตัว ความรู้เกี่ยวกับภาษาโปรแกรม หรือเป้าหมายการเรียนรู้ รวมถึงความพร้อมใช้งาน นอกจากนี้ เรายังมีเวอร์ชัน 'ฮาร์ดแวร์เสมือน' สำหรับผู้ที่ไม่มีฮาร์ดแวร์ หรืออยากเรียนรู้เพิ่มเติมก่อนตัดสินใจซื้อ คุณสามารถอ่านเพิ่มเติมและดู 'รายการช้อปปิ้ง' ได้ที่ หน้าฮาร์ดแวร์ รวมถึงลิงก์สำหรับซื้อชุดอุปกรณ์ครบชุดจากเพื่อนของเราที่ Seeed Studio

💁 ดู Code of Conduct, Contributing, และ Translation เรายินดีรับฟังความคิดเห็นที่สร้างสรรค์ของคุณ!

แต่ละบทเรียนประกอบด้วย:

ภาพสเก็ตช์
วิดีโอเสริม (ถ้ามี)
แบบทดสอบอุ่นเครื่องก่อนบทเรียน
บทเรียนที่เขียนไว้
สำหรับบทเรียนที่เน้นโปรเจกต์ มีคำแนะนำทีละขั้นตอนเกี่ยวกับวิธีการสร้างโปรเจกต์
การตรวจสอบความรู้
ความท้าทาย
การอ่านเพิ่มเติม
งานมอบหมาย
แบบทดสอบหลังบทเรียน

หมายเหตุเกี่ยวกับแบบทดสอบ: แบบทดสอบทั้งหมดอยู่ในโฟลเดอร์ quiz-app รวมทั้งหมด 48 แบบทดสอบ แต่ละแบบทดสอบมี 3 คำถาม แบบทดสอบเชื่อมโยงจากในบทเรียน แต่แอปแบบทดสอบสามารถรันได้ในเครื่องหรือปรับใช้ใน Azure; ทำตามคำแนะนำในโฟลเดอร์ quiz-app แบบทดสอบกำลังถูกแปลทีละน้อย

บทเรียน

	ชื่อโปรเจกต์	แนวคิดที่สอน	วัตถุประสงค์การเรียนรู้	ลิงก์บทเรียน
01	เริ่มต้น	แนะนำ IoT	เรียนรู้หลักการพื้นฐานของ IoT และองค์ประกอบพื้นฐานของโซลูชัน IoT เช่น เซ็นเซอร์และบริการคลาวด์ ขณะตั้งค่าอุปกรณ์ IoT เครื่องแรกของคุณ	แนะนำ IoT
02	เริ่มต้น	เจาะลึก IoT	เรียนรู้เพิ่มเติมเกี่ยวกับส่วนประกอบของระบบ IoT รวมถึงไมโครคอนโทรลเลอร์และคอมพิวเตอร์บอร์ดเดี่ยว	เจาะลึก IoT
03	เริ่มต้น	โต้ตอบกับโลกจริงด้วยเซ็นเซอร์และแอคชูเอเตอร์	เรียนรู้เกี่ยวกับเซ็นเซอร์เพื่อรวบรวมข้อมูลจากโลกจริง และแอคชูเอเตอร์เพื่อส่งข้อมูลกลับ ขณะสร้างไฟกลางคืน	โต้ตอบกับโลกจริงด้วยเซ็นเซอร์และแอคชูเอเตอร์
04	เริ่มต้น	เชื่อมต่ออุปกรณ์ของคุณกับอินเทอร์เน็ต	เรียนรู้เกี่ยวกับวิธีการเชื่อมต่ออุปกรณ์ IoT กับอินเทอร์เน็ตเพื่อส่งและรับข้อความ โดยการเชื่อมต่อไฟกลางคืนของคุณกับ MQTT broker	เชื่อมต่ออุปกรณ์ของคุณกับอินเทอร์เน็ต
05	ฟาร์ม	ทำนายการเติบโตของพืช	เรียนรู้วิธีการทำนายการเติบโตของพืชโดยใช้ข้อมูลอุณหภูมิที่ได้รับจากอุปกรณ์ IoT	ทำนายการเติบโตของพืช
06	ฟาร์ม	ตรวจจับความชื้นในดิน	เรียนรู้วิธีการตรวจจับความชื้นในดินและปรับเทียบเซ็นเซอร์ความชื้นในดิน	ตรวจจับความชื้นในดิน
07	ฟาร์ม	ระบบรดน้ำต้นไม้อัตโนมัติ	เรียนรู้วิธีการรดน้ำต้นไม้อัตโนมัติและตั้งเวลาโดยใช้รีเลย์และ MQTT	ระบบรดน้ำต้นไม้อัตโนมัติ
08	ฟาร์ม	ย้ายต้นไม้ของคุณไปยังคลาวด์	เรียนรู้เกี่ยวกับคลาวด์และบริการ IoT ที่โฮสต์บนคลาวด์ และวิธีการเชื่อมต่อต้นไม้ของคุณกับบริการเหล่านี้แทนที่จะใช้ MQTT broker สาธารณะ	ย้ายต้นไม้ของคุณไปยังคลาวด์
09	ฟาร์ม	ย้ายตรรกะของแอปพลิเคชันของคุณไปยังคลาวด์	เรียนรู้เกี่ยวกับวิธีการเขียนตรรกะของแอปพลิเคชันในคลาวด์ที่ตอบสนองต่อข้อความ IoT	ย้ายตรรกะของแอปพลิเคชันของคุณไปยังคลาวด์
10	Farm	รักษาความปลอดภัยให้พืชของคุณ	เรียนรู้เกี่ยวกับความปลอดภัยใน IoT และวิธีการรักษาความปลอดภัยให้พืชของคุณด้วยกุญแจและใบรับรอง	รักษาความปลอดภัยให้พืชของคุณ
11	Transport	การติดตามตำแหน่ง	เรียนรู้เกี่ยวกับการติดตามตำแหน่ง GPS สำหรับอุปกรณ์ IoT	การติดตามตำแหน่ง
12	Transport	เก็บข้อมูลตำแหน่ง	เรียนรู้วิธีการเก็บข้อมูล IoT เพื่อการแสดงผลหรือวิเคราะห์ในภายหลัง	เก็บข้อมูลตำแหน่ง
13	Transport	แสดงข้อมูลตำแหน่งบนแผนที่	เรียนรู้เกี่ยวกับการแสดงข้อมูลตำแหน่งบนแผนที่ และวิธีที่แผนที่แสดงโลก 3 มิติในรูปแบบ 2 มิติ	แสดงข้อมูลตำแหน่งบนแผนที่
14	Transport	เขตแดนเสมือน	เรียนรู้เกี่ยวกับเขตแดนเสมือน และวิธีการใช้งานเพื่อแจ้งเตือนเมื่อยานพาหนะในห่วงโซ่อุปทานใกล้ถึงจุดหมาย	เขตแดนเสมือน
15	Manufacturing	ฝึกตัวตรวจจับคุณภาพผลไม้	เรียนรู้เกี่ยวกับการฝึกตัวจำแนกภาพในคลาวด์เพื่อใช้ตรวจสอบคุณภาพผลไม้	ฝึกตัวตรวจจับคุณภาพผลไม้
16	Manufacturing	ตรวจสอบคุณภาพผลไม้จากอุปกรณ์ IoT	เรียนรู้เกี่ยวกับการใช้ตัวตรวจจับคุณภาพผลไม้จากอุปกรณ์ IoT	ตรวจสอบคุณภาพผลไม้จากอุปกรณ์ IoT
17	Manufacturing	ใช้งานตัวตรวจจับผลไม้ที่ขอบเครือข่าย	เรียนรู้เกี่ยวกับการใช้งานตัวตรวจจับผลไม้บนอุปกรณ์ IoT ที่ขอบเครือข่าย	ใช้งานตัวตรวจจับผลไม้ที่ขอบเครือข่าย
18	Manufacturing	เรียกใช้งานการตรวจสอบคุณภาพผลไม้จากเซ็นเซอร์	เรียนรู้เกี่ยวกับการเรียกใช้งานการตรวจสอบคุณภาพผลไม้จากเซ็นเซอร์	เรียกใช้งานการตรวจสอบคุณภาพผลไม้จากเซ็นเซอร์
19	Retail	ฝึกตัวตรวจจับสต็อกสินค้า	เรียนรู้วิธีการใช้การตรวจจับวัตถุเพื่อฝึกตัวตรวจจับสต็อกสินค้าในการนับจำนวนสินค้าในร้าน	ฝึกตัวตรวจจับสต็อกสินค้า
20	Retail	ตรวจสอบสต็อกจากอุปกรณ์ IoT	เรียนรู้วิธีการตรวจสอบสต็อกจากอุปกรณ์ IoT โดยใช้โมเดลการตรวจจับวัตถุ	ตรวจสอบสต็อกจากอุปกรณ์ IoT
21	Consumer	การรู้จำเสียงพูดด้วยอุปกรณ์ IoT	เรียนรู้วิธีการรู้จำเสียงพูดจากอุปกรณ์ IoT เพื่อสร้างตัวจับเวลาอัจฉริยะ	การรู้จำเสียงพูดด้วยอุปกรณ์ IoT
22	Consumer	เข้าใจภาษา	เรียนรู้วิธีการเข้าใจประโยคที่พูดกับอุปกรณ์ IoT	เข้าใจภาษา
23	Consumer	ตั้งค่าตัวจับเวลาและให้คำตอบด้วยเสียง	เรียนรู้วิธีการตั้งค่าตัวจับเวลาบนอุปกรณ์ IoT และให้คำตอบด้วยเสียงเมื่อมีการตั้งค่าตัวจับเวลาและเมื่อมันสิ้นสุด	ตั้งค่าตัวจับเวลาและให้คำตอบด้วยเสียง
24	Consumer	รองรับหลายภาษา	เรียนรู้วิธีการรองรับหลายภาษา ทั้งการพูดกับอุปกรณ์และการตอบกลับจากตัวจับเวลาอัจฉริยะ	รองรับหลายภาษา

การเข้าถึงแบบออฟไลน์

คุณสามารถใช้งานเอกสารนี้แบบออฟไลน์ได้โดยใช้ Docsify. Fork repo นี้, ติดตั้ง Docsify บนเครื่องของคุณ และในโฟลเดอร์ root ของ repo นี้ ให้พิมพ์ docsify serve. เว็บไซต์จะถูกให้บริการบนพอร์ต 3000 บน localhost ของคุณ: localhost:3000.

PDF

คุณสามารถสร้าง PDF ของเนื้อหานี้เพื่อการเข้าถึงแบบออฟไลน์หากจำเป็น ในการทำเช่นนี้ ให้แน่ใจว่าคุณได้ ติดตั้ง npm แล้วรันคำสั่งต่อไปนี้ในโฟลเดอร์ root ของ repo นี้:

npm i
npm run convert

สไลด์

มีชุดสไลด์สำหรับบางบทเรียนในโฟลเดอร์ slides.

ต้องการความช่วยเหลือ!

คุณต้องการช่วยแปลหรือไม่? โปรดอ่าน แนวทางการแปล และเพิ่มข้อมูล ในหนึ่งในประเด็นการแปล. หากคุณต้องการแปลเป็นภาษาใหม่ โปรดสร้างประเด็นใหม่เพื่อการติดตาม.

หลักสูตรอื่น ๆ

ทีมของเราผลิตหลักสูตรอื่น ๆ! ลองดู:

การให้เครดิตภาพ

คุณสามารถค้นหาการให้เครดิตสำหรับภาพทั้งหมดที่ใช้ในหลักสูตรนี้ได้ใน Attributions.

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราจะไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้

36 KiB Raw Blame History