25 KiB
加入 Azure AI Foundry 社群
按照以下步驟開始使用這些資源:
- 分叉此儲存庫:點擊
- 複製此儲存庫:
git clone https://github.com/microsoft/IoT-For-Beginners.git - 加入 Azure AI Foundry Discord,與專家及其他開發者交流
🌐 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 | 愛沙尼亞文 | 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 | 立陶宛文 | 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(菲律賓) | 泰米爾文 | 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 節課的課程,內容涵蓋 IoT 基礎知識。每節課都包含課前和課後測驗、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 設備的熱門行業領域。
由 Nitya Narasimhan 繪製的手繪筆記。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 和我們的手繪筆記藝術家 Nitya Narasimhan。
同時感謝我們的 Microsoft Learn 學生大使,他們已經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。
認識團隊!
Gif 作者 Mohit Jaisal
🎥 點擊上方圖片觀看專案介紹影片!
學生們,如果您想自行使用這份課程,請分叉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,該程式碼可在每個專案導向課程的 /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。
觀看課程概述影片,請查看以下影片:
🎥 點擊上方圖片觀看專案介紹影片!
教學法
我們在設計這份課程時選擇了兩個教學原則:確保它是專案導向的,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、一個智慧工廠設置來追蹤和檢查食物,以及一個語音控制的烹飪計時器,並學習 IoT 的基礎知識,包括如何撰寫設備程式碼、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,課前的低壓測驗能讓學生專注於學習主題,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,並在 12 週的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是很有幫助的,提供這些背景知識能讓學生在解決 IoT 問題時,將所學內容應用於可能面臨的真實世界問題。學生能學到他們所建構解決方案的「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進一步學習的人使用。您可以在硬體頁面上找到更多資訊和「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。
每節課包含:
- 手繪筆記
- 可選的補充影片
- 課前暖身測驗
- 書面課程
- 專案導向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:所有測驗都包含在 quiz-app 資料夾中,共有 48 個測驗,每個測驗包含三個問題。它們在課程中有連結,但測驗應用程式可以在本地運行或部署到 Azure;請按照
quiz-app資料夾中的指示進行操作。這些測驗正在逐步本地化。
課程
| 專案名稱 | 教學概念 | 學習目標 | 課程連結 | |
|---|---|---|---|---|
| 01 | 開始使用 | 物聯網簡介 | 學習物聯網的基本原則以及物聯網解決方案的基本構建模塊,例如感測器和雲端服務,同時設置您的第一個物聯網設備 | 物聯網簡介 |
| 02 | 開始使用 | 深入了解物聯網 | 更深入了解物聯網系統的組成部分,以及微控制器和單板電腦 | 深入了解物聯網 |
| 03 | 開始使用 | 使用感測器和執行器與物理世界互動 | 學習如何使用感測器收集物理世界的數據,以及使用執行器提供反饋,同時製作一個夜燈 | 使用感測器和執行器與物理世界互動 |
| 04 | 開始使用 | 將您的設備連接到互聯網 | 學習如何將物聯網設備連接到互聯網以發送和接收消息,通過將您的夜燈連接到MQTT代理 | 將您的設備連接到互聯網 |
| 05 | 農場 | 預測植物生長 | 學習如何使用物聯網設備捕獲的溫度數據來預測植物生長 | 預測植物生長 |
| 06 | 農場 | 檢測土壤濕度 | 學習如何檢測土壤濕度並校準土壤濕度感測器 | 檢測土壤濕度 |
| 07 | 農場 | 自動植物澆水 | 學習如何使用繼電器和MQTT自動化和定時澆水 | 自動植物澆水 |
| 08 | 農場 | 將您的植物遷移到雲端 | 學習雲端和雲端托管的物聯網服務,以及如何將您的植物連接到其中之一,而不是公共MQTT代理 | 將您的植物遷移到雲端 |
| 09 | 農場 | 將您的應用邏輯遷移到雲端 | 學習如何在雲端編寫應用邏輯以響應物聯網消息 | 將您的應用邏輯遷移到雲端 |
| 10 | 農場 | 保護您的植物安全 | 學習物聯網安全性以及如何使用密鑰和證書保護您的植物 | 保護您的植物安全 |
| 11 | 運輸 | 位置追蹤 | 學習物聯網設備的GPS位置追蹤 | 位置追蹤 |
| 12 | 運輸 | 存儲位置數據 | 學習如何存儲物聯網數據以供日後可視化或分析 | 存儲位置數據 |
| 13 | 運輸 | 可視化位置數據 | 學習如何在地圖上可視化位置數據,以及地圖如何將真實的三維世界表示為二維 | 可視化位置數據 |
| 14 | 運輸 | 地理圍欄 | 學習地理圍欄,以及如何使用它們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圖像分類器以檢測水果品質 | 訓練水果品質檢測器 |
| 16 | 製造業 | 從物聯網設備檢查水果品質 | 學習如何從物聯網設備使用您的水果品質檢測器 | 從物聯網設備檢查水果品質 |
| 17 | 製造業 | 在邊緣運行您的水果檢測器 | 學習如何在邊緣的物聯網設備上運行您的水果檢測器 | 在邊緣運行您的水果檢測器 |
| 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 | 從物聯網設備檢查庫存 | 學習如何使用物件檢測模型從物聯網設備檢查庫存 | 從物聯網設備檢查庫存 |
| 21 | 消費者 | 使用物聯網設備進行語音識別 | 學習如何從物聯網設備進行語音識別以製作智能計時器 | 使用物聯網設備進行語音識別 |
| 22 | 消費者 | 理解語言 | 學習如何理解對物聯網設備說出的句子 | 理解語言 |
| 23 | 消費者 | 設置計時器並提供語音反饋 | 學習如何在物聯網設備上設置計時器,並在計時器設置和完成時提供語音反饋 | 設置計時器並提供語音反饋 |
| 24 | 消費者 | 支援多種語言 | 學習如何支援多種語言,包括對智能計時器的語音輸入和回應 | 支援多種語言 |
離線存取
您可以使用 Docsify 離線運行此文件。請分叉此倉庫,在您的本地機器上安裝 Docsify,然後在此倉庫的根目錄中輸入 docsify serve。網站將在您的本地主機的3000端口上提供服務:localhost:3000。
測驗
感謝社群提供互動測驗,測試您對每章內容的了解。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以供離線存取。為此,請確保您已安裝 npm,並在此倉庫的根目錄中運行以下命令:
npm i
npm run convert
投影片
部分課程的投影片位於slides文件夾中。
其他課程
我們的團隊還製作了其他課程!查看以下內容:
Azure / Edge / MCP / Agents
生成式 AI 系列
核心學習
Copilot 系列
圖片來源
您可以在 Attributions 中找到本課程中使用的所有圖片的來源(如有需要)。
免責聲明:
此文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們努力確保準確性,但請注意,自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息,建議使用專業人工翻譯。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。


