22 KiB
加入 Azure AI Foundry 社群
按照以下步驟開始使用這些資源：
- Fork 儲存庫：點擊
- Clone 儲存庫：
git clone https://github.com/microsoft/IoT-For-Beginners.git - 加入 Azure AI Foundry Discord，與專家和其他開發者交流
🌐 多語言支援
透過 GitHub Action 支援（自動化且始終保持最新）
阿拉伯文 | 孟加拉文 | 保加利亞文 | 緬甸文 | 中文（簡體） | 中文（繁體，香港） | 中文（繁體，澳門） | 中文（繁體，台灣） | 克羅埃西亞文 | 捷克文 | 丹麥文 | 荷蘭文 | 芬蘭文 | 法文 | 德文 | 希臘文 | 希伯來文 | 印地文 | 匈牙利文 | 印尼文 | 義大利文 | 日文 | 韓文 | 馬來文 | 馬拉地文 | 尼泊爾文 | 挪威文 | 波斯文 | 波蘭文 | 葡萄牙文（巴西） | 葡萄牙文（葡萄牙） | 旁遮普文 | 羅馬尼亞文 | 俄文 | 塞爾維亞文（西里爾字母） | 斯洛伐克文 | 斯洛文尼亞文 | 西班牙文 | 斯瓦希里文 | 瑞典文 | 他加祿文 | 泰文 | 土耳其文 | 烏克蘭文 | 烏爾都文 | 越南文
IoT 初學者 - 課程
Microsoft 的 Azure Cloud Advocates 很高興提供一個為期 12 週、共 24 課的課程，涵蓋 IoT 基礎知識。每堂課包括課前和課後測驗、完成課程的書面指導、解決方案、作業等。我們的專案式教學法讓您在建構中學習，這是一種能讓新技能更牢固的有效方法。
這些專案涵蓋了食物從農場到餐桌的旅程，包括農業、物流、製造、零售和消費者——這些都是 IoT 裝置的熱門行業領域。
Sketchnote 由 Nitya Narasimhan 提供。點擊圖片查看更大版本。
衷心感謝我們的作者 Jen Fox、Jen Looper、Jim Bennett，以及我們的 sketchnote 藝術家 Nitya Narasimhan。
同時感謝我們的 Microsoft Learn 學生大使，他們已審核並翻譯了這份課程——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、以及 Zina Kamel。
認識這個團隊！
Gif 由 Mohit Jaisal 提供
🎥 點擊上方圖片觀看專案影片！
學生們，如果您想自行使用這份課程，請 fork 整個儲存庫並自行完成練習，從課前測驗開始，然後閱讀課程並完成其他活動。嘗試透過理解課程內容來創建專案，而不是直接複製解決方案程式碼；不過，這些程式碼可以在每個專案課程的 /solutions 資料夾中找到。另一個想法是與朋友組成學習小組，一起學習內容。若需進一步學習，我們推薦 Microsoft Learn。
觀看這門課程的影片概述，請查看以下影片：
🎥 點擊上方圖片觀看專案影片！
教學法
我們在設計這份課程時選擇了兩個教學原則：確保課程是專案導向的，並且包含頻繁的測驗。在這系列課程結束時，學生將建構一個植物監測和灌溉系統、一個車輛追蹤器、一個智慧工廠系統來追蹤和檢查食物，以及一個語音控制的烹飪計時器，並學習 IoT 的基礎知識，包括如何撰寫裝置程式碼、連接雲端、分析遙測數據以及在邊緣執行 AI。
透過確保內容與專案相符，學習過程對學生來說更具吸引力，概念的記憶也會得到增強。
此外，課前的低壓力測驗能讓學生專注於學習某個主題，而課後的第二次測驗則能進一步加強記憶。這份課程設計靈活有趣，可以完整學習或部分學習。專案從簡單開始，到 12 週課程結束時逐漸變得複雜。
每個專案都基於學生和愛好者可用的真實硬體。每個專案都深入探討特定的專案領域，提供相關背景知識。要成為成功的開發者，了解您正在解決問題的領域非常重要，提供這些背景知識能讓學生在解決 IoT 開發者可能面臨的真實世界問題時，思考自己的 IoT 解決方案和學習成果。學生能學到他們正在建構的解決方案的「原因」，並對最終使用者有更深的理解。
硬體
我們提供了兩種 IoT 硬體選擇，供專案使用，取決於個人偏好、程式語言知識或偏好、學習目標和可用性。我們還提供了「虛擬硬體」版本，供那些無法獲得硬體或想在購買前學習更多內容的人使用。您可以在硬體頁面上閱讀更多資訊，並找到「購物清單」，其中包括我們合作夥伴 Seeed Studio 提供的完整套件購買連結。
每堂課包括：
- sketchnote
- 可選的補充影片
- 課前暖身測驗
- 書面課程
- 專案課程的逐步建構指南
- 知識檢查
- 挑戰
- 補充閱讀
- 作業
- 課後測驗
關於測驗的說明：所有測驗都存放在 quiz-app 資料夾中，共有 48 個測驗，每個測驗包含三個問題。這些測驗已經在課程中提供連結，但測驗應用程式可以在本地執行或部署到 Azure；請按照
quiz-app資料夾中的指示進行操作。測驗內容正在逐步進行本地化。
課程
| 專案名稱 | 教授概念 | 學習目標 | 相關課程 | |
|---|---|---|---|---|
| 01 | 開始入門 | IoT 簡介 | 學習 IoT 的基本原則，以及 IoT 解決方案的基本構建模組，例如感測器和雲端服務，同時設置您的第一個 IoT 裝置 | IoT 簡介 |
| 02 | 開始入門 | 深入了解 IoT | 更深入了解 IoT 系統的組成部分，以及微控制器和單板電腦 | 深入了解 IoT |
| 03 | 開始入門 | 使用感測器和致動器與物理世界互動 | 學習如何使用感測器從物理世界收集數據，以及使用致動器發送回饋，同時製作一個夜燈 | 使用感測器和致動器與物理世界互動 |
| 04 | 開始入門 | 將裝置連接到互聯網 | 學習如何將 IoT 裝置連接到互聯網以發送和接收訊息，並將您的夜燈連接到 MQTT 中介軟體 | 將裝置連接到互聯網 |
| 05 | 農場 | 預測植物生長 | 學習如何使用 IoT 裝置捕獲的溫度數據來預測植物生長 | 預測植物生長 |
| 06 | 農場 | 偵測土壤濕度 | 學習如何偵測土壤濕度並校準土壤濕度感測器 | 偵測土壤濕度 |
| 07 | 農場 | 自動化植物澆水 | 學習如何使用繼電器和 MQTT 自動化和定時澆水 | 自動化植物澆水 |
| 08 | 農場 | 將植物遷移到雲端 | 學習雲端和雲端託管的 IoT 服務，以及如何將您的植物連接到這些服務，而不是公共 MQTT 中介軟體 | 將植物遷移到雲端 |
| 09 | 農場 | 將應用程式邏輯遷移到雲端 | 學習如何在雲端撰寫應用程式邏輯以回應 IoT 訊息 | 將應用程式邏輯遷移到雲端 |
| 10 | 農場 | 保護植物安全 | 學習 IoT 的安全性，以及如何使用金鑰和憑證保護您的植物 | 保護植物安全 |
| 11 | 運輸 | 位置追蹤 | 學習 IoT 裝置的 GPS 位置追蹤 | 位置追蹤 |
| 12 | 運輸 | 儲存位置數據 | 學習如何儲存 IoT 數據以供後續視覺化或分析 | 儲存位置數據 |
| 13 | 運輸 | 視覺化位置數據 | 學習如何在地圖上視覺化位置數據，以及地圖如何將真實的三維世界以二維方式呈現 | 視覺化位置數據 |
| 14 | 運輸 | 地理圍欄 | 學習地理圍欄，以及如何在供應鏈中的車輛接近目的地時發出警報 | 地理圍欄 |
| 15 | 製造業 | 訓練水果品質檢測器 | 學習如何在雲端訓練影像分類器以檢測水果品質 | 訓練水果品質檢測器 |
| 16 | 製造業 | 從 IoT 裝置檢查水果品質 | 學習如何從 IoT 裝置使用水果品質檢測器 | 從 IoT 裝置檢查水果品質 |
| 17 | 製造業 | 在邊緣運行水果檢測器 | 學習如何在邊緣的 IoT 裝置上運行水果檢測器 | 在邊緣運行水果檢測器 |
| 18 | 製造業 | 從感測器觸發水果品質檢測 | 學習如何從感測器觸發水果品質檢測 | 從感測器觸發水果品質檢測 |
| 19 | 零售 | 訓練庫存檢測器 | 學習如何使用物件檢測來訓練庫存檢測器以計算商店中的庫存 | 訓練庫存檢測器 |
| 20 | 零售 | 從 IoT 裝置檢查庫存 | 學習如何使用物件檢測模型從 IoT 裝置檢查庫存 | 從 IoT 裝置檢查庫存 |
| 21 | 消費者 | 使用 IoT 裝置進行語音識別 | 學習如何從 IoT 裝置進行語音識別以構建智能計時器 | 使用 IoT 裝置進行語音識別 |
| 22 | 消費者 | 理解語言 | 學習如何理解對 IoT 裝置說出的句子 | 理解語言 |
| 23 | 消費者 | 設置計時器並提供語音回饋 | 學習如何在 IoT 裝置上設置計時器，並在計時器設置和完成時提供語音回饋 | 設置計時器並提供語音回饋 |
| 24 | 消費者 | 支援多語言 | 學習如何支援多語言，包括對智能計時器的語音輸入和回應 | 支援多語言 |
離線訪問
您可以使用 Docsify 離線運行此文件。Fork 此 repo，並在本地機器上安裝 Docsify，然後在此 repo 的根目錄中輸入 docsify serve。網站將在本地端的 3000 埠上提供服務：localhost:3000。
測驗
感謝社群提供的互動測驗，您可以測試自己對每章內容的理解。您可以在這裡測試您的知識。
如果需要，您可以生成此內容的 PDF 以供離線訪問。為此，請確保您已安裝 npm，然後在此 repo 的根目錄中運行以下命令：
npm i
npm run convert
投影片
部分課程的投影片可在 slides 資料夾中找到。
其他課程
我們的團隊還製作了其他課程！查看以下內容：
- 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
圖片來源
您可以在 Attributions 中找到本課程中使用的圖片的所有來源。
免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或誤釋不承擔責任。