25 KiB
Trete der Azure AI Foundry Community bei
Folge diesen Schritten, um mit diesen Ressourcen zu starten:
- Forke das Repository: Klicke
- Klonen des Repositorys:
git clone https://github.com/microsoft/IoT-For-Beginners.git
- Tritt dem Azure AI Foundry Discord bei und tausche dich mit Experten und anderen Entwicklern aus
🌐 Mehrsprachige Unterstützung
Unterstützt durch GitHub Action (Automatisiert & Immer aktuell)
Arabisch | Bengalisch | Bulgarisch | Birmanisch (Myanmar) | Chinesisch (Vereinfacht) | Chinesisch (Traditionell, Hongkong) | Chinesisch (Traditionell, Macau) | Chinesisch (Traditionell, Taiwan) | Kroatisch | Tschechisch | Dänisch | Niederländisch | Finnisch | Französisch | Deutsch | Griechisch | Hebräisch | Hindi | Ungarisch | Indonesisch | Italienisch | Japanisch | Koreanisch | Malaiisch | Marathi | Nepalesisch | Norwegisch | Persisch (Farsi) | Polnisch | Portugiesisch (Brasilien) | Portugiesisch (Portugal) | Punjabi (Gurmukhi) | Rumänisch | Russisch | Serbisch (Kyrillisch) | Slowakisch | Slowenisch | Spanisch | Suaheli | Schwedisch | Tagalog (Filipino) | Thailändisch | Türkisch | Ukrainisch | Urdu | Vietnamesisch
IoT für Anfänger – Ein Lehrplan
Die Azure Cloud Advocates bei Microsoft freuen sich, einen 12-wöchigen, 24-teiligen Lehrplan rund um die Grundlagen des IoT anzubieten. Jede Lektion enthält Quizfragen vor und nach der Lektion, schriftliche Anleitungen zur Durchführung der Lektion, eine Lösung, eine Aufgabe und mehr. Unsere projektbasierte Pädagogik ermöglicht es dir, durch das Bauen zu lernen – eine bewährte Methode, um neue Fähigkeiten nachhaltig zu erlernen.
Die Projekte behandeln die Reise von Lebensmitteln vom Bauernhof bis auf den Tisch. Dies umfasst Landwirtschaft, Logistik, Produktion, Einzelhandel und Verbraucher – allesamt beliebte Anwendungsbereiche für IoT-Geräte.
Sketchnote von Nitya Narasimhan. Klicke auf das Bild für eine größere Version.
Ein herzliches Dankeschön an unsere Autoren Jen Fox, Jen Looper, Jim Bennett und unsere Sketchnote-Künstlerin Nitya Narasimhan.
Vielen Dank auch an unser Team von Microsoft Learn Student Ambassadors, die diesen Lehrplan überprüft und übersetzt haben – 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 und Zina Kamel.
Lerne das Team kennen!
Gif von Mohit Jaisal
🎥 Klicke auf das Bild oben, um ein Video über das Projekt anzusehen!
Lehrer, wir haben einige Vorschläge hinzugefügt, wie dieser Lehrplan genutzt werden kann. Wenn du eigene Lektionen erstellen möchtest, haben wir auch eine Lektionsvorlage bereitgestellt.
Schüler, um diesen Lehrplan selbstständig zu nutzen, forke das gesamte Repository und bearbeite die Übungen eigenständig, beginnend mit einem Quiz vor der Lektion, dann lies die Lektion und bearbeite die restlichen Aktivitäten. Versuche, die Projekte zu erstellen, indem du die Lektionen verstehst, anstatt den Lösungscode zu kopieren; dieser Code ist jedoch in den /solutions-Ordnern jeder projektorientierten Lektion verfügbar. Eine weitere Idee wäre, eine Lerngruppe mit Freunden zu bilden und den Inhalt gemeinsam durchzugehen. Für weiterführendes Lernen empfehlen wir Microsoft Learn.
Für einen Videoüberblick über diesen Kurs, sieh dir dieses Video an:
🎥 Klicke auf das Bild oben, um ein Video über das Projekt anzusehen!
Pädagogik
Wir haben zwei pädagogische Grundsätze gewählt, während wir diesen Lehrplan erstellt haben: sicherzustellen, dass er projektbasiert ist, und dass er häufige Quizfragen enthält. Am Ende dieser Serie haben die Schüler ein Pflanzenüberwachungs- und Bewässerungssystem, einen Fahrzeugtracker, ein intelligentes Fabriksystem zur Überwachung und Prüfung von Lebensmitteln sowie einen sprachgesteuerten Küchentimer gebaut und die Grundlagen des Internets der Dinge gelernt, einschließlich des Schreibens von Gerätecode, der Verbindung zur Cloud, der Analyse von Telemetrie und des Einsatzes von KI am Edge.
Indem sichergestellt wird, dass der Inhalt projektbezogen ist, wird der Prozess für die Schüler ansprechender und das Behalten der Konzepte wird verbessert.
Darüber hinaus setzt ein niedrigschwelliges Quiz vor einer Klasse die Absicht des Schülers, ein Thema zu lernen, während ein zweites Quiz nach der Klasse das Behalten weiter fördert. Dieser Lehrplan wurde so gestaltet, dass er flexibel und unterhaltsam ist und ganz oder teilweise genutzt werden kann. Die Projekte beginnen klein und werden im Laufe des 12-wöchigen Zyklus zunehmend komplexer.
Jedes Projekt basiert auf realer Hardware, die Schülern und Hobbyisten zur Verfügung steht. Jedes Projekt untersucht den spezifischen Projektbereich und bietet relevantes Hintergrundwissen. Um ein erfolgreicher Entwickler zu sein, ist es hilfreich, den Bereich zu verstehen, in dem Probleme gelöst werden. Dieses Hintergrundwissen ermöglicht es den Schülern, über ihre IoT-Lösungen und -Lerninhalte im Kontext realer Probleme nachzudenken, die sie als IoT-Entwickler lösen könnten. Die Schüler lernen das „Warum“ der Lösungen, die sie entwickeln, und gewinnen ein Verständnis für den Endbenutzer.
Hardware
Wir haben zwei Optionen für IoT-Hardware, die für die Projekte verwendet werden können, je nach persönlicher Präferenz, Programmierkenntnissen oder -vorlieben, Lernzielen und Verfügbarkeit. Wir haben auch eine „virtuelle Hardware“-Version für diejenigen bereitgestellt, die keinen Zugang zu Hardware haben oder mehr lernen möchten, bevor sie sich für einen Kauf entscheiden. Weitere Informationen und eine „Einkaufsliste“ findest du auf der Hardware-Seite, einschließlich Links zum Kauf kompletter Kits von unseren Freunden bei Seeed Studio.
💁 Finde unsere Verhaltensregeln, Beitragsrichtlinien und Übersetzungsrichtlinien. Wir freuen uns über dein konstruktives Feedback!
Jede Lektion enthält:
- Sketchnote
- optionales ergänzendes Video
- Quiz zur Vorbereitung auf die Lektion
- schriftliche Lektion
- für projektbasierte Lektionen Schritt-für-Schritt-Anleitungen zum Aufbau des Projekts
- Wissensüberprüfungen
- eine Herausforderung
- ergänzende Lektüre
- Aufgabe
- Quiz nach der Lektion
Eine Anmerkung zu den Quiz: Alle Quiz befinden sich im Ordner quiz-app, insgesamt 48 Quiz mit jeweils drei Fragen. Sie sind aus den Lektionen heraus verlinkt, aber die Quiz-App kann lokal ausgeführt oder auf Azure bereitgestellt werden; folgen Sie den Anweisungen im Ordner
quiz-app
. Sie werden nach und nach lokalisiert.
Lektionen
Projektname | Vermittelte Konzepte | Lernziele | Verknüpfte Lektion | |
---|---|---|---|---|
01 | Erste Schritte | Einführung in IoT | Lerne die grundlegenden Prinzipien des IoT und die grundlegenden Bausteine von IoT-Lösungen wie Sensoren und Cloud-Dienste, während du dein erstes IoT-Gerät einrichtest | Einführung in IoT |
02 | Erste Schritte | Ein tieferer Einblick in IoT | Erfahre mehr über die Komponenten eines IoT-Systems sowie über Mikrocontroller und Einplatinencomputer | Ein tieferer Einblick in IoT |
03 | Erste Schritte | Interaktion mit der physischen Welt durch Sensoren und Aktoren | Lerne, wie Sensoren Daten aus der physischen Welt erfassen und Aktoren Feedback geben, während du ein Nachtlicht baust | Interaktion mit der physischen Welt durch Sensoren und Aktoren |
04 | Erste Schritte | Verbinde dein Gerät mit dem Internet | Lerne, wie du ein IoT-Gerät mit dem Internet verbindest, um Nachrichten zu senden und zu empfangen, indem du dein Nachtlicht mit einem MQTT-Broker verbindest | Verbinde dein Gerät mit dem Internet |
05 | Farm | Pflanzenwachstum vorhersagen | Lerne, wie man das Pflanzenwachstum mithilfe von Temperaturdaten, die von einem IoT-Gerät erfasst werden, vorhersagt | Pflanzenwachstum vorhersagen |
06 | Farm | Bodenfeuchtigkeit erkennen | Lerne, wie man die Bodenfeuchtigkeit erkennt und einen Bodenfeuchtigkeitssensor kalibriert | Bodenfeuchtigkeit erkennen |
07 | Farm | Automatisches Bewässern von Pflanzen | Lerne, wie man die Bewässerung mithilfe eines Relais und MQTT automatisiert und zeitlich steuert | Automatisches Bewässern von Pflanzen |
08 | Farm | Migriere deine Pflanze in die Cloud | Lerne über die Cloud und Cloud-gehostete IoT-Dienste und wie du deine Pflanze mit einem dieser Dienste statt mit einem öffentlichen MQTT-Broker verbindest | Migriere deine Pflanze in die Cloud |
09 | Farm | Migriere deine Anwendungslogik in die Cloud | Lerne, wie du Anwendungslogik in der Cloud schreiben kannst, die auf IoT-Nachrichten reagiert | Migriere deine Anwendungslogik in die Cloud |
10 | Farm | Halte deine Pflanze sicher | Lerne über Sicherheit im IoT und wie du deine Pflanze mit Schlüsseln und Zertifikaten sicher hältst | Halte deine Pflanze sicher |
11 | Transport | Standortverfolgung | Lerne über GPS-Standortverfolgung für IoT-Geräte | Standortverfolgung |
12 | Transport | Standortdaten speichern | Lerne, wie man IoT-Daten speichert, um sie später zu visualisieren oder zu analysieren | Standortdaten speichern |
13 | Transport | Standortdaten visualisieren | Lerne, wie man Standortdaten auf einer Karte visualisiert und wie Karten die reale 3D-Welt in zwei Dimensionen darstellen | Standortdaten visualisieren |
14 | Transport | Geofences | Lerne über Geofences und wie sie verwendet werden können, um zu alarmieren, wenn Fahrzeuge in der Lieferkette ihrem Ziel nahe kommen | Geofences |
15 | Fertigung | Trainiere einen Fruchtqualitätsdetektor | Lerne, wie man einen Bildklassifikator in der Cloud trainiert, um die Fruchtqualität zu erkennen | Trainiere einen Fruchtqualitätsdetektor |
16 | Fertigung | Überprüfe die Fruchtqualität von einem IoT-Gerät | Lerne, wie du deinen Fruchtqualitätsdetektor von einem IoT-Gerät aus verwendest | Überprüfe die Fruchtqualität von einem IoT-Gerät |
17 | Fertigung | Führe deinen Fruchtqualitätsdetektor am Edge aus | Lerne, wie du deinen Fruchtqualitätsdetektor auf einem IoT-Gerät am Edge ausführst | Führe deinen Fruchtqualitätsdetektor am Edge aus |
18 | Fertigung | Löse die Fruchtqualitätsprüfung durch einen Sensor aus | Lerne, wie du die Fruchtqualitätsprüfung durch einen Sensor auslöst | Löse die Fruchtqualitätsprüfung durch einen Sensor aus |
19 | Einzelhandel | Trainiere einen Lagerbestanddetektor | Lerne, wie man Objekterkennung verwendet, um einen Lagerbestanddetektor zu trainieren, der den Bestand in einem Geschäft zählt | Trainiere einen Lagerbestanddetektor |
20 | Einzelhandel | Überprüfe den Lagerbestand von einem IoT-Gerät | Lerne, wie du den Lagerbestand von einem IoT-Gerät aus überprüfst, indem du ein Objekterkennungsmodell verwendest | Überprüfe den Lagerbestand von einem IoT-Gerät |
21 | Verbraucher | Erkenne Sprache mit einem IoT-Gerät | Lerne, wie du Sprache von einem IoT-Gerät erkennst, um einen intelligenten Timer zu bauen | Erkenne Sprache mit einem IoT-Gerät |
22 | Verbraucher | Sprache verstehen | Lerne, wie du gesprochene Sätze von einem IoT-Gerät verstehst | Sprache verstehen |
23 | Verbraucher | Stelle einen Timer ein und gib gesprochenes Feedback | Lerne, wie du einen Timer auf einem IoT-Gerät einstellst und gesprochenes Feedback gibst, wann der Timer eingestellt ist und wann er endet | Stelle einen Timer ein und gib gesprochenes Feedback |
24 | Verbraucher | Unterstütze mehrere Sprachen | Lerne, wie du mehrere Sprachen unterstützt, sowohl für die Eingabe als auch für die Antworten deines intelligenten Timers | Unterstütze mehrere Sprachen |
Offline-Zugriff
Du kannst diese Dokumentation offline mit Docsify ausführen. Forke dieses Repository, installiere Docsify auf deinem lokalen Rechner und gib dann im Stammverzeichnis dieses Repos docsify serve
ein. Die Website wird auf Port 3000 auf deinem localhost bereitgestellt: localhost:3000
.
Quiz
Vielen Dank an die Community für das Hosting des interaktiven Quiz, das dein Wissen zu jedem Kapitel testet. Du kannst dein Wissen hier testen.
Du kannst ein PDF dieses Inhalts für den Offline-Zugriff erstellen, falls erforderlich. Stelle sicher, dass du npm installiert hast und führe die folgenden Befehle im Stammverzeichnis dieses Repos aus:
npm i
npm run convert
Folien
Es gibt Foliensätze für einige der Lektionen im slides-Ordner.
Weitere Lehrpläne
Unser Team erstellt weitere Lehrpläne! Schau dir Folgendes an:
- 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
Bildnachweise
Du findest alle Nachweise für die in diesem Lehrplan verwendeten Bilder, wo erforderlich, im Attributions-Ordner.
Haftungsausschluss:
Dieses Dokument wurde mit dem KI-Übersetzungsdienst Co-op Translator übersetzt. Obwohl wir uns um Genauigkeit bemühen, weisen wir darauf hin, dass automatisierte Übersetzungen Fehler oder Ungenauigkeiten enthalten können. Das Originaldokument in seiner ursprünglichen Sprache sollte als maßgebliche Quelle betrachtet werden. Für kritische Informationen wird eine professionelle menschliche Übersetzung empfohlen. Wir übernehmen keine Haftung für Missverständnisse oder Fehlinterpretationen, die aus der Nutzung dieser Übersetzung entstehen.