加入 Azure AI Foundry 社群

如果您在建立 AI 應用程式時遇到困難或有任何問題，歡迎加入學習者和有經驗開發者的討論，共同交流 MCP 的相關話題。這是一個支持性強大的社群，歡迎提出問題並自由分享知識。

如果您有產品回饋或建置中遇到錯誤，請造訪：

請依照下列步驟開始使用這些資源：

Fork 此倉庫：點選
Clone 此倉庫：git clone https://github.com/microsoft/IoT-For-Beginners.git
加入 Microsot Foundry Discord，認識專家與其他開發者

🌐 多語言支援

透過 GitHub Action 支援（自動且持續更新）

想要在本地端 clone？

此倉庫包含 50 多種語言的翻譯版本，會大幅增加下載大小。若只想 clone 原始資料庫，不包含翻譯，可使用 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"
這樣即可快速取得完成課程所需的所有資料。

IoT 入門教學課程

微軟 Azure Cloud Advocates 很高興推出這套 12 週、共 24 課的 IoT 基本教學課程。每堂課包括課前與課後測驗、完成課程的書面說明、解決方案、作業等。採用專案式教學法讓您邊學邊做，這是新技能快速「紮根」的有效方式。

這些專案涵蓋食物由農場到餐桌的完整旅程，包含農業、物流、製造、零售及消費端—都是物聯網裝置常見應用的產業領域。

速寫圖由 Nitya Narasimhan 繪製。點擊圖片可查看大圖。

特別感謝本課程作者 Jen Fox、Jen Looper、Jim Bennett，以及速寫圖繪製者 Nitya Narasimhan。

感謝我們的 Microsoft Learn Student Ambassadors 團隊協助審核與翻譯此教學課程，團隊成員有 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。

認識我們的團隊！

動圖由 Mohit Jaisal 製作

🎥 點擊上方圖像觀看專案相關影片！

老師們，我們提供了使用本課程的建議。若想自訂課程內容，也附上了課程模板。

學生們，若您想自行使用本課程，請 fork 整個倉庫並自行完成練習，從課前測驗開始，閱讀課程內容並完成其餘活動。建議透過理解課程內容來建立專案，而非直接複製解決方案代碼；當然，每個專案導向的課程資料夾下都有 /solutions 解決方案代碼。也可以組成讀書會，和朋友一起學習。想要進一步學習，推薦使用 Microsoft Learn。

本課程的影片介紹可參考此影片：

🎥 點擊上方圖像觀看專案相關影片！

教學理念

我們在設計此課程時，選擇了兩大教學原則：確保課程以專案為核心，並且包含頻繁的測驗。透過這個系列課程結束時，學生將能完成植物監控與灌溉系統、車輛追蹤器、智慧工廠食品追蹤檢測系統及聲控烹飪計時器，並學會物聯網基礎，包括如何撰寫裝置程式碼、連接雲端、分析遙測數據和以邊緣運算執行 AI。

課程內容以專案為導向，能使學生更投入學習，記憶效果更佳。

此外，課前的低壓力測驗幫助學生設定學習意向，課後測驗則促進進一步的記憶鞏固。這套課程設計靈活且有趣，可整體或部分修習。專案由淺入深，12 週結束時達到複雜程度的提升。

每個專案均基於學生與業餘愛好者能取得的實體硬體。專案探討所屬領域，提供相關背景知識。要成為成功的開發者，理解解決問題的領域很重要。本課程提供的背景知識讓學生從物聯網開發者角度，思考其解決方案及學習內容，理解所建構解決方案背後的「為什麼」，並體會最終使用者的需求。

硬體

我們有兩種物聯網硬體可供專案使用，依個人喜好、程式語言知識或偏好、學習目標以及可取得性來選擇。我們也提供了「虛擬硬體」版本，給沒有硬體設備者或希望在購買前多了解的人。您可以在硬體頁面了解更多，並找到「購物清單」，其中包含我們的夥伴 Seeed Studio 提供的完整套件購買連結。

💁 請參考我們的行為準則、貢獻指南與翻譯指南。我們歡迎您的建設性回饋！

🔧 有問題嗎？查看我們的疑難排解指南，尋找常見問題的解決方案。

每堂課包含：

草圖筆記
選用補充影片
上課前暖身小測驗
書面課程內容
對於專案式課程，有逐步的專案製作指南
知識檢測
挑戰題
補充閱讀
作業
課後測驗

關於測驗的說明：所有測驗均收錄於 quiz-app 資料夾中，共 48 組測驗，每組有三個問題。它們在課程中有連結，且可在本地執行或部署至 Azure；請參照 quiz-app 資料夾中的說明。測驗正陸續本地化中。

課程列表

	專案名稱	教授概念	學習目標	連結課程
01	入門	物聯網簡介	學習物聯網的基本原理與物聯網解決方案的基礎構成，如感測器與雲端服務，並設定您的第一台物聯網裝置	物聯網簡介
02	入門	深入認識物聯網	進一步了解物聯網系統的元件、微控制器與單板電腦	深入認識物聯網
03	入門	使用感測器與執行器與物理世界互動	認識用於蒐集物理世界資料的感測器與用以回饋的執行器，並製作一盞夜燈	使用感測器與執行器與物理世界互動
04	入門	將裝置連網到網際網路	了解如何將物聯網裝置連接上網際網路以發送與接收訊息，示範為夜燈連接到 MQTT 代理伺服器	將裝置連網到網際網路
05	農場	預測植物生長	使用物聯網裝置收集的溫度資料學習如何預測植物生長	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正土壤濕度感測器	偵測土壤濕度
07	農場	自動化植物澆灌	學習使用繼電器與 MQTT 自動化及定時澆水	自動化植物澆灌
08	農場	將植物資料轉移到雲端	了解雲端與雲端物聯網服務，以及如何將植物資料連接到這些雲端服務，替代公眾 MQTT 代理伺服器	將植物資料轉移到雲端
09	農場	將應用程式邏輯遷移至雲端	了解如何在雲端撰寫回應物聯網訊息的應用程式邏輯	將應用程式邏輯遷移至雲端
10	農場	保護您的植物安全	瞭解物聯網安全，以及如何使用金鑰與憑證來保護您的植物	保護您的植物安全
11	運輸	位置追蹤	了解物聯網裝置的 GPS 定位追蹤	位置追蹤
12	運輸	儲存位置資料	學習如何儲存物聯網資料以便後續視覺化或分析	儲存位置資料
13	運輸	視覺化位置資料	了解如何在地圖上視覺化位置資料，及地圖如何將現實三維世界以二維呈現	視覺化位置資料
14	運輸	地理圍欄	了解地理圍欄的概念，以及如何用來通知供應鏈中運輸車輛接近目的地	地理圍欄
15	製造	訓練水果品質檢測器	了解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	使用物聯網裝置檢測水果品質	了解如何使用物聯網裝置來偵測水果品質	使用物聯網裝置檢測水果品質
17	製造	在邊緣端運行水果檢測器	了解如何在物聯網裝置邊緣端運行水果檢測器	在邊緣端運行水果檢測器
18	製造	由感測器觸發水果品質檢測	了解如何由感測器觸發水果品質檢測	由感測器觸發水果品質檢測
19	零售	訓練庫存偵測器	了解如何利用物件偵測訓練庫存偵測器來計算商店中的庫存量	訓練庫存偵測器
20	零售	從物聯網裝置檢查庫存	學習如何用物聯網裝置，透過物件偵測模型來檢查庫存	從物聯網裝置檢查庫存
21	消費者	使用物聯網裝置進行語音識別	了解如何利用物聯網裝置進行語音識別，以打造智慧計時器	使用物聯網裝置進行語音識別
22	消費者	理解語言	了解如何理解對物聯網裝置所說的語句	理解語言
23	消費者	設定計時並提供語音回饋	學習如何在物聯網裝置上設定計時器，並在設定與結束時提供語音回饋	設定計時並提供語音回饋
24	消費者	支援多種語言	學習如何支援多語言，包括被說話語言與智慧計時器答覆語言	支援多種語言