24 KiB

Raw Blame History

Bliv en del af Azure AI Foundry Community

Følg disse trin for at komme i gang med at bruge ressourcerne:

Fork repositoryet: Klik
Clone repositoryet: git clone https://github.com/microsoft/IoT-For-Beginners.git
Bliv en del af Azure AI Foundry Discord og mød eksperter og andre udviklere

🌐 Understøttelse af flere sprog

Understøttet via GitHub Action (Automatisk & Altid opdateret)

IoT for Beginners - Et Curriculum

Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 12-ugers, 24-lektioners curriculum om IoT-grundlæggende. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning, en opgave og mere. Vores projektbaserede tilgang giver dig mulighed for at lære, mens du bygger, en dokumenteret metode til at få nye færdigheder til at hænge fast.

Projekterne dækker rejsen for mad fra gård til bord. Dette inkluderer landbrug, logistik, produktion, detailhandel og forbruger - alle populære industrier for IoT-enheder.

Sketchnote af Nitya Narasimhan. Klik på billedet for en større version.

En stor tak til vores forfattere Jen Fox, Jen Looper, Jim Bennett, og vores sketchnote-kunstner Nitya Narasimhan.

Tak også til vores team af Microsoft Learn Student Ambassadors, der har gennemgået og oversat dette curriculum - 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, og Zina Kamel.

Mød teamet!

Gif af Mohit Jaisal

🎥 Klik på billedet ovenfor for en video om projektet!

Lærere, vi har inkluderet nogle forslag til, hvordan man bruger dette curriculum. Hvis du ønsker at oprette dine egne lektioner, har vi også inkluderet en lektion-skabelon.

Studerende, for at bruge dette curriculum på egen hånd, fork hele repoet og gennemfør øvelserne selv, startende med en quiz før lektionen, derefter læsning af lektionen og gennemførelse af resten af aktiviteterne. Prøv at oprette projekterne ved at forstå lektionerne i stedet for at kopiere løsningskoden; dog er den kode tilgængelig i /solutions-mapperne i hver projektorienteret lektion. En anden idé kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. For yderligere studier anbefaler vi Microsoft Learn.

For en videooversigt over dette kursus, se denne video:

🎥 Klik på billedet ovenfor for en video om projektet!

Pædagogik

Vi har valgt to pædagogiske principper, mens vi opbyggede dette curriculum: at sikre, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil studerende have bygget et planteovervågnings- og vandingssystem, en køretøjstracker, et smart fabrikssystem til at spore og kontrollere mad og en stemmestyret madlavningstimer, og vil have lært det grundlæggende om Internet of Things, herunder hvordan man skriver enhedskode, forbinder til skyen, analyserer telemetri og kører AI på kanten.

Ved at sikre, at indholdet er tilpasset projekter, bliver processen mere engagerende for studerende, og fastholdelsen af begreber vil blive forbedret.

Derudover sætter en lav-stress quiz før en klasse intentionen hos den studerende mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette curriculum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter små og bliver gradvist mere komplekse ved slutningen af den 12-ugers cyklus.

Hvert projekt er baseret på hardware, der er tilgængeligt for studerende og hobbyister. Hvert projekt undersøger det specifikke projektområde og giver relevant baggrundsviden. For at være en succesfuld udvikler hjælper det at forstå det område, hvor du løser problemer. Ved at give denne baggrundsviden kan studerende tænke på deres IoT-løsninger og læring i konteksten af den slags virkelige problemer, de kan blive bedt om at løse som IoT-udviklere. Studerende lærer 'hvorfor' bag de løsninger, de bygger, og får en forståelse for slutbrugeren.

Hardware

Vi har to valg af IoT-hardware til brug i projekterne afhængigt af personlige præferencer, programmeringssprogkundskaber eller præferencer, læringsmål og tilgængelighed. Vi har også leveret en 'virtuel hardware'-version for dem, der ikke har adgang til hardware, eller som ønsker at lære mere, før de forpligter sig til et køb. Du kan læse mere og finde en 'indkøbsliste' på hardware-siden, inklusive links til at købe komplette kits fra vores venner hos Seeed Studio.

💁 Find vores Code of Conduct, Contributing, og Translation retningslinjer. Vi værdsætter din konstruktive feedback!

Hver lektion inkluderer:

sketchnote
valgfri supplerende video
quiz før lektionen
skriftlig lektion
for projektbaserede lektioner, trin-for-trin vejledninger til, hvordan man bygger projektet
videnstjek
en udfordring
supplerende læsning
opgave
quiz efter lektionen

En note om quizzer: Alle quizzer findes i quiz-app-mappen, i alt 48 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres på Azure; følg instruktionerne i quiz-app-mappen. De bliver gradvist lokaliseret.

Lektioner

	Projektnavn	Lærte begreber	Læringsmål	Tilknyttet lektion
01	Kom godt i gang	Introduktion til IoT	Lær de grundlæggende principper for IoT og de grundlæggende byggesten i IoT-løsninger som sensorer og cloud-tjenester, mens du opsætter din første IoT-enhed	Introduktion til IoT
02	Kom godt i gang	En dybere forståelse af IoT	Lær mere om komponenterne i et IoT-system samt mikrocontrollere og single-board computere	En dybere forståelse af IoT
03	Kom godt i gang	Interagér med den fysiske verden med sensorer og aktuatorer	Lær om sensorer til at indsamle data fra den fysiske verden og aktuatorer til at sende feedback, mens du bygger en natlampe	Interagér med den fysiske verden med sensorer og aktuatorer
04	Kom godt i gang	Forbind din enhed til internettet	Lær, hvordan du forbinder en IoT-enhed til internettet for at sende og modtage beskeder ved at forbinde din natlampe til en MQTT-broker	Forbind din enhed til internettet
05	Landbrug	Forudsig plantevækst	Lær, hvordan du forudsiger plantevækst ved hjælp af temperaturdata indsamlet af en IoT-enhed	Forudsig plantevækst
06	Landbrug	Registrér jordfugtighed	Lær, hvordan du registrerer jordfugtighed og kalibrerer en jordfugtighedssensor	Registrér jordfugtighed
07	Landbrug	Automatiseret plantevanding	Lær, hvordan du automatiserer og timer vanding ved hjælp af et relæ og MQTT	Automatiseret plantevanding
08	Landbrug	Flyt din plante til skyen	Lær om skyen og cloud-hostede IoT-tjenester, og hvordan du forbinder din plante til en af disse i stedet for en offentlig MQTT-broker	Flyt din plante til skyen
09	Landbrug	Flyt din applikationslogik til skyen	Lær, hvordan du kan skrive applikationslogik i skyen, der reagerer på IoT-beskeder	Flyt din applikationslogik til skyen
10	Landbrug	Hold din plante sikker	Lær om sikkerhed i IoT, og hvordan du holder din plante sikker med nøgler og certifikater	Hold din plante sikker
11	Transport	Lokationssporing	Lær om GPS-lokationssporing for IoT-enheder	Lokationssporing
12	Transport	Gem lokationsdata	Lær, hvordan du gemmer IoT-data til visualisering eller analyse senere	Gem lokationsdata
13	Transport	Visualisér lokationsdata	Lær om at visualisere lokationsdata på et kort, og hvordan kort repræsenterer den virkelige 3D-verden i to dimensioner	Visualisér lokationsdata
14	Transport	Geofencing	Lær om geofencing, og hvordan det kan bruges til at give besked, når køretøjer i forsyningskæden nærmer sig deres destination	Geofencing
15	Produktion	Træn en frugtkvalitetsdetektor	Lær, hvordan du træner en billedklassifikator i skyen til at registrere frugtkvalitet	Træn en frugtkvalitetsdetektor
16	Produktion	Tjek frugtkvalitet fra en IoT-enhed	Lær, hvordan du bruger din frugtkvalitetsdetektor fra en IoT-enhed	Tjek frugtkvalitet fra en IoT-enhed
17	Produktion	Kør din frugtdetektor på kanten	Lær, hvordan du kører din frugtdetektor på en IoT-enhed på kanten	Kør din frugtdetektor på kanten
18	Produktion	Udløs frugtkvalitetsdetektion fra en sensor	Lær, hvordan du udløser frugtkvalitetsdetektion fra en sensor	Udløs frugtkvalitetsdetektion fra en sensor
19	Detailhandel	Træn en lagerdetektor	Lær, hvordan du bruger objektdetektion til at træne en lagerdetektor til at tælle varer i en butik	Træn en lagerdetektor
20	Detailhandel	Tjek lager fra en IoT-enhed	Lær, hvordan du tjekker lager fra en IoT-enhed ved hjælp af en objektdetektionsmodel	Tjek lager fra en IoT-enhed
21	Forbruger	Genkend tale med en IoT-enhed	Lær, hvordan du genkender tale fra en IoT-enhed for at bygge en smart timer	Genkend tale med en IoT-enhed
22	Forbruger	Forstå sprog	Lær, hvordan du forstår sætninger, der bliver sagt til en IoT-enhed	Forstå sprog
23	Forbruger	Sæt en timer og giv taletilbagemelding	Lær, hvordan du sætter en timer på en IoT-enhed og giver taletilbagemelding, når timeren er sat, og når den slutter	Sæt en timer og giv taletilbagemelding
24	Forbruger	Understøt flere sprog	Lær, hvordan du understøtter flere sprog, både når der tales til og gives svar fra din smarte timer	Understøt flere sprog

Offline adgang

Du kan køre denne dokumentation offline ved at bruge Docsify. Fork denne repo, installer Docsify på din lokale maskine, og skriv derefter i rodmappen af denne repo docsify serve. Hjemmesiden vil blive serveret på port 3000 på din localhost: localhost:3000.

Quiz

Tak til fællesskabet for at hoste den interaktive quiz, der tester din viden om hvert kapitel. Du kan teste din viden her.

PDF

Du kan generere en PDF af dette indhold til offline adgang, hvis det er nødvendigt. For at gøre dette skal du sørge for, at du har npm installeret og køre følgende kommandoer i rodmappen af denne repo:

npm i
npm run convert

Slides

Der er slides til nogle af lektionerne i slides-mappen.

Andre læseplaner

Vores team producerer andre læseplaner! Tjek:

Billedattributioner

Du kan finde alle attributioner for de billeder, der bruges i denne læseplan, hvor det er nødvendigt, i Attributioner.

Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.

24 KiB Raw Blame History