Bergabunglah dengan Komunitas Azure AI Foundry

Jika Anda mengalami kendala atau memiliki pertanyaan tentang membangun aplikasi AI. Bergabunglah dengan sesama pelajar dan pengembang berpengalaman dalam diskusi tentang MCP. Ini adalah komunitas yang mendukung di mana pertanyaan disambut dan pengetahuan dibagikan secara bebas.

Jika Anda memiliki umpan balik produk atau menemukan kesalahan saat membangun kunjungi:

Ikuti langkah-langkah ini untuk memulai menggunakan sumber daya ini:

1. Fork Repositori: Klik
2. Clone Repositori: git clone https://github.com/microsoft/IoT-For-Beginners.git
3. Bergabunglah dengan Microsot Foundry Discord dan temui para ahli dan sesama pengembang

🌐 Dukungan Multi-Bahasa

Didukung melalui GitHub Action (Otomatis & Selalu Terbaru)

Arab | Bengali | Bulgaria | Birma (Myanmar) | Tionghoa (Sederhana) | Tionghoa (Tradisional, Hong Kong) | Tionghoa (Tradisional, Macau) | Tionghoa (Tradisional, Taiwan) | Kroasia | Ceko | Denmark | Belanda | Estonia | Finlandia | Perancis | Jerman | Yunani | Ibrani | Hindi | Hongaria | Indonesia | Italia | Jepang | Kannada | Khmer | Korea | Lituania | Melayu | Malayalam | Marathi | Nepali | Pidgin Nigeria | Norwegia | Persia (Farsi) | Polandia | Portugis (Brasil) | Portugis (Portugal) | Punjabi (Gurmukhi) | Rumania | Rusia | Serbia (Sirilik) | Slowakia | Slovenia | Spanyol | Swahili | Swedia | Tagalog (Filipina) | Tamil | Telugu | Thailand | Turki | Ukrainia | Urdu | Vietnam

Lebih suka Clone Secara Lokal?

Repositori ini mencakup lebih dari 50 terjemahan bahasa yang secara signifikan meningkatkan ukuran unduhan. Untuk meng-clone tanpa terjemahan, gunakan sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git
cd IoT-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/IoT-For-Beginners.git
cd IoT-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Ini memberi Anda semua yang Anda butuhkan untuk menyelesaikan kursus dengan waktu unduh yang jauh lebih cepat.

IoT untuk Pemula - Kurikulum

Advokat Cloud Azure di Microsoft dengan senang hati menawarkan kurikulum 12 minggu, 24 pelajaran yang membahas dasar-dasar IoT. Setiap pelajaran mencakup kuis sebelum dan sesudah pelajaran, instruksi tertulis untuk menyelesaikan pelajaran, solusi, tugas, dan lainnya. Pedagogi berbasis proyek kami memungkinkan Anda belajar sambil membangun, cara yang terbukti agar keterampilan baru 'menempel'.

Proyek-proyek mencakup perjalanan makanan dari peternakan ke meja. Ini termasuk pertanian, logistik, manufaktur, ritel, dan konsumen - semua area industri yang populer untuk perangkat IoT.

Sketchnote oleh Nitya Narasimhan. Klik gambar untuk versi yang lebih besar.

Terima kasih hangat kepada para penulis kami Jen Fox, Jen Looper, Jim Bennett, dan artis sketchnote kami Nitya Narasimhan.

Terima kasih juga kepada tim kami dari Microsoft Learn Student Ambassadors yang telah meninjau dan menerjemahkan kurikulum ini - 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, dan Zina Kamel.

Kenali timnya!

Gif oleh Mohit Jaisal

🎥 Klik gambar di atas untuk video tentang proyek!

Guru, kami telah menyertakan beberapa saran tentang cara menggunakan kurikulum ini. Jika Anda ingin membuat pelajaran sendiri, kami juga menyertakan template pelajaran.

Siswa, untuk menggunakan kurikulum ini secara mandiri, fork seluruh repo dan selesaikan latihan sendiri, mulai dengan kuis sebelum kuliah, lalu baca materi kuliah dan selesaikan aktivitas lainnya. Cobalah membuat proyek dengan memahami pelajaran daripada menyalin kode solusi; namun kode tersebut tersedia di folder /solutions dalam setiap pelajaran berorientasi proyek. Ide lain adalah membentuk kelompok belajar dengan teman dan mempelajari konten bersama. Untuk studi lebih lanjut, kami merekomendasikan Microsoft Learn.

Untuk gambaran video dari kursus ini, tonton video ini:

🎥 Klik gambar di atas untuk video tentang proyek!

Pedagogi

Kami telah memilih dua prinsip pedagogis saat membangun kurikulum ini: memastikan bahwa ini berbasis proyek dan termasuk kuis yang sering. Pada akhir seri ini, siswa akan telah membangun sistem pemantauan dan penyiraman tanaman, pelacak kendaraan, pengaturan pabrik pintar untuk melacak dan memeriksa makanan, dan timer memasak yang dikendalikan suara, serta mempelajari dasar Internet of Things termasuk cara menulis kode perangkat, menghubungkan ke cloud, menganalisis telemetri, dan menjalankan AI di edge.

Dengan memastikan bahwa konten selaras dengan proyek, proses dibuat lebih menarik bagi siswa dan retensi konsep akan meningkat.

Selain itu, kuis dengan tingkat kesulitan rendah sebelum kelas menetapkan niat siswa untuk mempelajari topik, sementara kuis kedua setelah kelas memastikan retensi lebih lanjut. Kurikulum ini dirancang agar fleksibel dan menyenangkan serta dapat diambil secara keseluruhan atau sebagian. Proyek dimulai dari kecil dan semakin kompleks di akhir siklus 12 minggu.

Setiap proyek didasarkan pada perangkat keras dunia nyata yang tersedia bagi siswa dan hobiis. Setiap proyek memeriksa domain proyek spesifik, memberikan pengetahuan latar belakang yang relevan. Untuk menjadi pengembang yang sukses, membantu untuk memahami domain di mana Anda memecahkan masalah; memberikan pengetahuan latar belakang ini memungkinkan siswa memikirkan solusi dan pembelajaran IoT mereka dalam konteks jenis masalah dunia nyata yang mungkin mereka diminta untuk selesaikan sebagai pengembang IoT. Siswa mempelajari 'mengapa' dari solusi yang mereka bangun, dan mendapatkan apresiasi terhadap pengguna akhir.

Perangkat Keras

Kami memiliki dua pilihan perangkat IoT yang dapat digunakan untuk proyek tergantung pada preferensi pribadi, pengetahuan bahasa pemrograman atau preferensi, tujuan pembelajaran, dan ketersediaan. Kami juga menyediakan versi 'perangkat keras virtual' bagi mereka yang tidak memiliki akses ke perangkat keras, atau ingin belajar lebih banyak sebelum memutuskan membeli. Anda dapat membaca lebih lanjut dan menemukan 'daftar belanja' di halaman perangkat keras, termasuk tautan untuk membeli paket lengkap dari teman-teman kami di Seeed Studio.

💁 Temukan Kode Etik, Kontribusi, dan panduan Terjemahan kami. Kami menyambut umpan balik konstruktif Anda!

🔧 Mengalami masalah? Lihat Panduan Pemecahan Masalah kami untuk solusi masalah umum.

Setiap pelajaran mencakup:

• sketchnote
• video tambahan opsional
• kuis pemanasan sebelum pelajaran
• pelajaran tertulis
• untuk pelajaran berbasis proyek, panduan langkah demi langkah tentang cara membangun proyek
• pemeriksaan pengetahuan
• sebuah tantangan
• bacaan tambahan
• tugas
• kuis pasca-pelajaran

Catatan tentang kuis: Semua kuis terdapat dalam folder quiz-app, dengan total 48 kuis masing-masing berisi tiga pertanyaan. Mereka terhubung dari dalam pelajaran tapi aplikasi kuis dapat dijalankan secara lokal atau dideploy ke Azure; ikuti instruksi dalam folder quiz-app. Kuis ini sedang secara bertahap dilokalkan.

Pelajaran

	Nama Proyek	Konsep yang Diajarkan	Tujuan Pembelajaran	Pelajaran Terkait
01	Memulai	Pengenalan IoT	Pelajari prinsip dasar IoT dan blok bangunan dasar solusi IoT seperti sensor dan layanan cloud saat Anda mengatur perangkat IoT pertama Anda	Pengenalan IoT
02	Memulai	Pendalaman IoT	Pelajari lebih lanjut tentang komponen sistem IoT, serta mikrokontroler dan komputer papan tunggal	Pendalaman IoT
03	Memulai	Berinteraksi dengan dunia fisik melalui sensor dan aktuator	Pelajari tentang sensor untuk mengumpulkan data dari dunia fisik, dan aktuator untuk mengirim umpan balik, sambil membangun lampu tidur	Berinteraksi dengan dunia fisik melalui sensor dan aktuator
04	Memulai	Menghubungkan perangkat Anda ke Internet	Pelajari cara menghubungkan perangkat IoT ke Internet untuk mengirim dan menerima pesan dengan menghubungkan lampu tidur Anda ke broker MQTT	Menghubungkan perangkat Anda ke Internet
05	Pertanian	Memprediksi pertumbuhan tanaman	Pelajari cara memprediksi pertumbuhan tanaman menggunakan data suhu yang ditangkap oleh perangkat IoT	Memprediksi pertumbuhan tanaman
06	Pertanian	Mendeteksi kelembaban tanah	Pelajari cara mendeteksi kelembaban tanah dan mengkalibrasi sensor kelembaban tanah	Mendeteksi kelembaban tanah
07	Pertanian	Penyiraman tanaman otomatis	Pelajari cara mengotomatiskan dan menjadwalkan penyiraman menggunakan relay dan MQTT	Penyiraman tanaman otomatis
08	Pertanian	Migrasikan tanaman Anda ke cloud	Pelajari tentang cloud dan layanan IoT yang dihosting di cloud serta cara menghubungkan tanaman Anda ke salah satunya sebagai pengganti broker MQTT publik	Migrasikan tanaman Anda ke cloud
09	Pertanian	Migrasikan logika aplikasi Anda ke cloud	Pelajari bagaimana Anda dapat menulis logika aplikasi di cloud yang merespons pesan IoT	Migrasikan logika aplikasi Anda ke cloud
10	Pertanian	Amankan tanaman Anda	Pelajari tentang keamanan IoT dan cara menjaga keamanan tanaman Anda dengan kunci dan sertifikat	Amankan tanaman Anda
11	Transportasi	Pelacakan lokasi	Pelajari tentang pelacakan lokasi GPS untuk perangkat IoT	Pelacakan lokasi
12	Transportasi	Menyimpan data lokasi	Pelajari cara menyimpan data IoT untuk divisualisasikan atau dianalisis nanti	Menyimpan data lokasi
13	Transportasi	Visualisasi data lokasi	Pelajari tentang visualisasi data lokasi di peta, dan bagaimana peta merepresentasikan dunia 3D nyata dalam 2 dimensi	Visualisasi data lokasi
14	Transportasi	Geofence	Pelajari tentang geofence, dan bagaimana mereka dapat digunakan untuk memberi peringatan saat kendaraan dalam rantai pasokan mendekati tujuan mereka	Geofence
15	Manufaktur	Melatih detektor kualitas buah	Pelajari tentang melatih pengklasifikasi gambar di cloud untuk mendeteksi kualitas buah	Melatih detektor kualitas buah
16	Manufaktur	Memeriksa kualitas buah dari perangkat IoT	Pelajari tentang menggunakan detektor kualitas buah dari perangkat IoT	Memeriksa kualitas buah dari perangkat IoT
17	Manufaktur	Menjalankan detektor buah Anda di edge	Pelajari tentang menjalankan detektor buah Anda pada perangkat IoT di edge	Menjalankan detektor buah Anda di edge
18	Manufaktur	Memicu deteksi kualitas buah dari sensor	Pelajari tentang memicu deteksi kualitas buah dari sensor	Memicu deteksi kualitas buah dari sensor
19	Ritel	Melatih detektor stok	Pelajari cara menggunakan deteksi objek untuk melatih detektor stok untuk menghitung stok di toko	Melatih detektor stok
20	Ritel	Memeriksa stok dari perangkat IoT	Pelajari cara memeriksa stok dari perangkat IoT menggunakan model deteksi objek	Memeriksa stok dari perangkat IoT
21	Konsumen	Mengenali suara dengan perangkat IoT	Pelajari cara mengenali suara dari perangkat IoT untuk membangun timer pintar	Mengenali suara dengan perangkat IoT
22	Konsumen	Memahami bahasa	Pelajari cara memahami kalimat yang diucapkan ke perangkat IoT	Memahami bahasa
23	Konsumen	Mengatur timer dan memberikan umpan balik suara	Pelajari cara mengatur timer di perangkat IoT dan memberikan umpan balik suara saat timer diatur dan selesai	Mengatur timer dan memberikan umpan balik suara
24	Konsumen	Mendukung banyak bahasa	Pelajari cara mendukung berbagai bahasa, baik saat diajak bicara maupun respons dari timer pintar Anda	Mendukung banyak bahasa

Akses Offline

Anda dapat menjalankan dokumentasi ini secara offline menggunakan Docsify. Fork repo ini, pasang Docsify di mesin lokal Anda, lalu di folder root repo ini, ketik docsify serve. Situs web akan dilayani di port 3000 pada localhost Anda: localhost:3000.

Kuis

Terima kasih kepada komunitas yang telah menyediakan kuis interaktif yang menguji pengetahuan Anda di setiap bab. Anda dapat menguji pengetahuan Anda di sini

PDF

Anda dapat menghasilkan PDF dari konten ini untuk akses offline jika diperlukan. Untuk melakukan ini, pastikan Anda telah menginstal npm dan jalankan perintah berikut di folder root repo ini:

npm i
npm run convert

Slide

Terdapat slide untuk beberapa pelajaran di folder slides.

Kurikulum Lain

Tim kami juga memproduksi kurikulum lain! Lihat:

LangChain

Azure / Edge / MCP / Agen

---

Seri AI Generatif

---

Pembelajaran Inti

---

Seri Copilot

Atribusi gambar

Anda dapat menemukan semua atribusi untuk gambar yang digunakan dalam kurikulum ini jika diperlukan di Atribusi.

---

Penafian:
Dokumen ini telah diterjemahkan menggunakan layanan terjemahan AI Co-op Translator. Meskipun kami berusaha untuk mencapai akurasi, harap disadari bahwa terjemahan otomatis mungkin mengandung kesalahan atau ketidakakuratan. Dokumen asli dalam bahasa aslinya harus dianggap sebagai sumber yang berwenang. Untuk informasi penting, disarankan menggunakan jasa terjemahan profesional oleh manusia. Kami tidak bertanggung jawab atas kesalahpahaman atau kesalahan tafsir yang timbul dari penggunaan terjemahan ini.