24 KiB

Raw Blame History

Pridajte sa ku komunite Azure AI Foundry

Postupujte podľa týchto krokov, aby ste mohli začať používať tieto zdroje:

Forknite repozitár: Kliknite
Klonujte repozitár: git clone https://github.com/microsoft/IoT-For-Beginners.git
Pridajte sa na Azure AI Foundry Discord a stretnite sa s odborníkmi a ďalšími vývojármi

🌐 Podpora viacerých jazykov

Podporované cez GitHub Action (automatizované a vždy aktuálne)

IoT pre začiatočníkov - Učebný plán

Azure Cloud Advocates v spoločnosti Microsoft s radosťou ponúkajú 12-týždňový, 24-lekciový učebný plán o základoch IoT. Každá lekcia obsahuje kvízy pred a po lekcii, písomné pokyny na dokončenie lekcie, riešenie, zadanie a ďalšie. Náš projektovo orientovaný prístup vám umožní učiť sa prostredníctvom budovania, čo je osvedčený spôsob, ako si nové zručnosti lepšie osvojiť.

Projekty pokrývajú cestu jedla od farmy až po stôl. To zahŕňa poľnohospodárstvo, logistiku, výrobu, maloobchod a spotrebiteľov - všetky populárne oblasti priemyslu pre IoT zariadenia.

Sketchnote od Nitya Narasimhan. Kliknite na obrázok pre väčšiu verziu.

Veľká vďaka našim autorom Jen Fox, Jen Looper, Jim Bennett a našej sketchnote umelkyni Nitya Narasimhan.

Ďakujeme aj nášmu tímu Microsoft Learn Student Ambassadors, ktorí tento učebný plán recenzovali a prekladali - 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.

Zoznámte sa s tímom!

Gif od Mohit Jaisal

🎥 Kliknite na obrázok vyššie pre video o projekte!

Učitelia, pridali sme niekoľko návrhov, ako používať tento učebný plán. Ak by ste chceli vytvoriť vlastné lekcie, pridali sme aj šablónu lekcie.

Študenti, ak chcete tento učebný plán používať samostatne, forknite celý repozitár a dokončite cvičenia sami, začnite kvízom pred prednáškou, potom si prečítajte prednášku a dokončite zvyšné aktivity. Pokúste sa vytvoriť projekty pochopením lekcií namiesto kopírovania riešenia kódu; tento kód je však dostupný v priečinkoch /solutions v každej projektovo orientovanej lekcii. Ďalším nápadom by bolo vytvoriť študijnú skupinu s priateľmi a prejsť obsah spoločne. Na ďalšie štúdium odporúčame Microsoft Learn.

Pre video prehľad tohto kurzu si pozrite toto video:

🎥 Kliknite na obrázok vyššie pre video o projekte!

Pedagogika

Pri tvorbe tohto učebného plánu sme si zvolili dva pedagogické princípy: zabezpečiť, aby bol projektovo orientovaný a aby obsahoval časté kvízy. Na konci tejto série študenti vytvoria systém na monitorovanie a zavlažovanie rastlín, sledovač vozidiel, inteligentnú továreň na sledovanie a kontrolu potravín a hlasom ovládaný kuchynský časovač, a naučia sa základy internetu vecí vrátane písania kódu pre zariadenia, pripojenia ku cloudu, analýzy telemetrie a spúšťania AI na okraji siete.

Zabezpečením, že obsah je prepojený s projektmi, sa proces stáva pre študentov pútavejším a zlepšuje sa uchovanie konceptov.

Okrem toho nízkostresový kvíz pred hodinou nastaví úmysel študenta na učenie sa témy, zatiaľ čo druhý kvíz po hodine zabezpečí ďalšie uchovanie. Tento učebný plán bol navrhnutý tak, aby bol flexibilný a zábavný a mohol byť absolvovaný celý alebo len jeho časti. Projekty začínajú jednoduchými úlohami a postupne sa stávajú zložitejšími na konci 12-týždňového cyklu.

Každý projekt je založený na reálnom hardvéri dostupnom pre študentov a nadšencov. Každý projekt sa zaoberá konkrétnou oblasťou projektu a poskytuje relevantné základné znalosti. Aby bol vývojár úspešný, je užitočné pochopiť oblasť, v ktorej rieši problémy. Poskytnutie týchto základných znalostí umožňuje študentom premýšľať o svojich IoT riešeniach a poznatkoch v kontexte reálnych problémov, ktoré by mohli byť požiadaní riešiť ako IoT vývojári. Študenti sa učia „prečo“ riešení, ktoré vytvárajú, a získavajú ocenenie pre koncového používateľa.

Hardvér

Máme dve možnosti IoT hardvéru, ktoré môžete použiť pre projekty v závislosti od osobných preferencií, znalostí programovacích jazykov alebo preferencií, cieľov učenia a dostupnosti. Poskytli sme tiež verziu „virtuálneho hardvéru“ pre tých, ktorí nemajú prístup k hardvéru alebo sa chcú naučiť viac predtým, ako sa rozhodnú pre nákup. Viac informácií a „nákupný zoznam“ nájdete na stránke o hardvéri, vrátane odkazov na nákup kompletných súprav od našich priateľov v Seeed Studio.

💁 Nájdite náš Kódex správania, Prispievanie a Prekladateľské pokyny. Uvítame vašu konštruktívnu spätnú väzbu!

Každá lekcia obsahuje:

sketchnote
voliteľné doplnkové video
kvíz na rozohriatie pred lekciou
písomnú lekciu
pre projektovo orientované lekcie, podrobné návody na vytvorenie projektu
kontrolu vedomostí
výzvu
doplnkové čítanie
zadanie
kvíz po lekcii

Poznámka k kvízom: Všetky kvízy sa nachádzajú v priečinku quiz-app, celkovo 48 kvízov, každý s tromi otázkami. Sú prepojené priamo z lekcií, ale aplikáciu kvízov je možné spustiť lokálne alebo nasadiť na Azure; postupujte podľa pokynov v priečinku quiz-app. Postupne sa lokalizujú.

Lekcie

	Názov projektu	Učené koncepty	Ciele učenia	Prepojená lekcia
01	Začíname	Úvod do IoT	Naučte sa základné princípy IoT a základné stavebné bloky IoT riešení, ako sú senzory a cloudové služby, zatiaľ čo nastavujete svoje prvé IoT zariadenie	Úvod do IoT
02	Začíname	Hlbší pohľad na IoT	Naučte sa viac o komponentoch IoT systému, ako aj o mikrokontroléroch a jednodeskových počítačoch	Hlbší pohľad na IoT
03	Začíname	Interakcia s fyzickým svetom pomocou senzorov a akčných členov	Naučte sa o senzoroch na zhromažďovanie údajov z fyzického sveta a akčných členoch na odosielanie spätnej väzby, zatiaľ čo vytvárate nočné svetlo	Interakcia s fyzickým svetom pomocou senzorov a akčných členov
04	Začíname	Pripojte svoje zariadenie na internet	Naučte sa, ako pripojiť IoT zariadenie na internet na odosielanie a prijímanie správ pripojením vášho nočného svetla k MQTT brokeru	Pripojte svoje zariadenie na internet
05	Farma	Predpovedanie rastu rastlín	Naučte sa predpovedať rast rastlín pomocou údajov o teplote zachytených IoT zariadením	Predpovedanie rastu rastlín
06	Farma	Detekcia vlhkosti pôdy	Naučte sa detekovať vlhkosť pôdy a kalibrovať senzor vlhkosti pôdy	Detekcia vlhkosti pôdy
07	Farma	Automatické zavlažovanie rastlín	Naučte sa automatizovať a načasovať zavlažovanie pomocou relé a MQTT	Automatické zavlažovanie rastlín
08	Farma	Migrácia vašej rastliny do cloudu	Naučte sa o cloude a cloudových IoT službách a ako pripojiť svoju rastlinu k jednej z nich namiesto verejného MQTT brokera	Migrácia vašej rastliny do cloudu
09	Farma	Migrácia aplikačnej logiky do cloudu	Naučte sa, ako môžete písať aplikačnú logiku v cloude, ktorá reaguje na IoT správy	Migrácia aplikačnej logiky do cloudu
10	Farma	Zabezpečte svoju rastlinu	Naučte sa o bezpečnosti v IoT a ako zabezpečiť svoju rastlinu pomocou kľúčov a certifikátov	Zabezpečte svoju rastlinu
11	Doprava	Sledovanie polohy	Naučte sa o GPS sledovaní polohy pre IoT zariadenia	Sledovanie polohy
12	Doprava	Ukladanie údajov o polohe	Naučte sa ukladať IoT údaje na ich neskoršiu vizualizáciu alebo analýzu	Ukladanie údajov o polohe
13	Doprava	Vizualizácia údajov o polohe	Naučte sa vizualizovať údaje o polohe na mape a ako mapy reprezentujú reálny 3D svet v dvoch dimenziách	Vizualizácia údajov o polohe
14	Doprava	Geoohrady	Naučte sa o geoohradách a ako ich možno použiť na upozornenie, keď sa vozidlá v dodávateľskom reťazci blížia k svojmu cieľu	Geoohrady
15	Výroba	Trénovanie detektora kvality ovocia	Naučte sa trénovať klasifikátor obrázkov v cloude na detekciu kvality ovocia	Trénovanie detektora kvality ovocia
16	Výroba	Kontrola kvality ovocia z IoT zariadenia	Naučte sa používať svoj detektor kvality ovocia z IoT zariadenia	Kontrola kvality ovocia z IoT zariadenia
17	Výroba	Spustenie detektora ovocia na okraji	Naučte sa spúšťať svoj detektor ovocia na IoT zariadení na okraji	Spustenie detektora ovocia na okraji
18	Výroba	Spustenie detekcie kvality ovocia zo senzora	Naučte sa spúšťať detekciu kvality ovocia zo senzora	Spustenie detekcie kvality ovocia zo senzora
19	Maloobchod	Trénovanie detektora zásob	Naučte sa používať detekciu objektov na trénovanie detektora zásob na počítanie zásob v obchode	Trénovanie detektora zásob
20	Maloobchod	Kontrola zásob z IoT zariadenia	Naučte sa kontrolovať zásoby z IoT zariadenia pomocou modelu detekcie objektov	Kontrola zásob z IoT zariadenia
21	Spotrebiteľ	Rozpoznávanie reči pomocou IoT zariadenia	Naučte sa rozpoznávať reč z IoT zariadenia na vytvorenie inteligentného časovača	Rozpoznávanie reči pomocou IoT zariadenia
22	Spotrebiteľ	Porozumenie jazyku	Naučte sa porozumieť vetám hovoreným na IoT zariadenie	Porozumenie jazyku
23	Spotrebiteľ	Nastavenie časovača a poskytovanie hovorených odpovedí	Naučte sa nastaviť časovač na IoT zariadení a poskytovať hovorené odpovede o tom, kedy je časovač nastavený a kedy skončí	Nastavenie časovača a poskytovanie hovorených odpovedí
24	Spotrebiteľ	Podpora viacerých jazykov	Naučte sa podporovať viacero jazykov, a to ako pri hovorení na zariadenie, tak aj pri odpovediach vášho inteligentného časovača	Podpora viacerých jazykov

Offline prístup

Túto dokumentáciu môžete spustiť offline pomocou Docsify. Forknite toto repo, nainštalujte Docsify na svoj lokálny počítač a potom v koreňovom priečinku tohto repozitára zadajte docsify serve. Webová stránka bude spustená na porte 3000 na vašom localhoste: localhost:3000.

Kvíz

Vďaka komunite za hosťovanie interaktívneho kvízu, ktorý testuje vaše vedomosti o každej kapitole. Svoje vedomosti si môžete otestovať tu

PDF

Môžete si vygenerovať PDF tejto dokumentácie na offline prístup, ak je to potrebné. Na to sa uistite, že máte nainštalovaný npm a spustite nasledujúce príkazy v koreňovom priečinku tohto repozitára:

npm i
npm run convert

Prezentácie

Pre niektoré lekcie sú k dispozícii prezentácie v priečinku slides.

Ďalšie učebné osnovy

Náš tím vytvára aj ďalšie učebné osnovy! Pozrite si:

Pripisovanie obrázkov

Všetky pripisovania obrázkov použitých v tomto učebnom pláne nájdete tam, kde je to potrebné, v súbore Attributions.

Upozornenie:
Tento dokument bol preložený pomocou služby AI prekladu Co-op Translator. Aj keď sa snažíme o presnosť, prosím, berte na vedomie, že automatizované preklady môžu obsahovať chyby alebo nepresnosti. Pôvodný dokument v jeho rodnom jazyku by mal byť považovaný za autoritatívny zdroj. Pre kritické informácie sa odporúča profesionálny ľudský preklad. Nie sme zodpovední za akékoľvek nedorozumenia alebo nesprávne interpretácie vyplývajúce z použitia tohto prekladu.

24 KiB Raw Blame History