Tools & Solutions & Cybersecurity

【 Cloud 】刪除 Azure Recovery Services vaults 中的備份資料

內容前置準備作業刪除 Azure Recovery Services vaults 所備份的資料前置準備作業已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 刪除 Azure Recovery Services vaults 所備份的資料 Step 1. 點選所建立的 Azure Recovery Services vaults 服務 > 再點選左側的 Properties > 再點選 Security Settings 中的 Update Step 2. 修改相關資訊取消勾選 Enable soft delete for cloud workloads 項目

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 Azure Recovery Services vaults 備份 Windows 環境中的檔案與目錄

內容學習目標前置準備作業流程建立 Azure Recovery Services vaults 安裝 Backup Agent 與註冊設定備份執行檔案備份執行檔案還原執行掛載磁區卸載前置準備作業已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 一台已連網路的 Windows 電腦，會用此台電腦進行備份與還原流程建立 Azure Recovery Services vaults 服務，再下載建立完成後所產生的 MARS Agent 與憑證 Credential 檔案於 Windows 環境安裝 MARS Agent 並透過憑證

Tools & Solutions & Cybersecurity

【 Tool 】於 Ubuntu 透過 Docker 建置 SonarQube Community Edition

內容前置準備作業安裝 docker-compose 修改設定安裝 SonarQube Community 版本修改 SonarQube 登入的預設密碼程式專案設定與掃描前置準備作業已有可上網的 Ubuntu 電腦且已開啟 9000 Port 安裝 docker-compose Step 1. 取得遠端更新伺服器的套件檔案清單請於端端機輸入下方指令 sudo apt-get update Step 2. 安裝 docker-compose 請於端端機輸入下方指令 sudo apt install -y docker-compose Step 3. 版本確認請於端端機輸入下方指令 docker-compose --version 修改設定 Step 1. 開啟 /etc/sysctl.

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 Azure Communication Service 寄送 Email ( Python )

內容學習目標前置準備作業建立服務所使用的名稱建立與設定 Azure Communication Service 修改程式測試與驗證學習目標如何透過 Azure Communication Service 與 Python 寄送信件。前置準備作業已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Python 已於電腦端安裝 IDE，本範例使用 Visual Studio Code 建立服務所使用的名稱屬性名稱 Resource group communication-rg Communication Service communication-svc-168 Email Communication Service mail-communication-svc-168 建立與設定 Azure Communication

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】使用 Azure Communication Service 寄送 Email ( JavaScript )

內容學習目標前置準備作業建立服務所使用的名稱建立與設定 Azure Communication Service 修改程式測試與驗證學習目標如何透過 Azure Communication Service 與 JavaScript 寄送信件。前置準備作業已建立 Azure 帳號並能正常登入 https://portal.azure.com/ 已於電腦端安裝 Node.js 已於電腦端安裝 IDE，本範例使用 Visual Studio Code 建立服務所使用的名稱屬性名稱 Resource group communication-rg Communication Service communication-svc-168 Email Communication Service mail-communication-svc-168 建立與設定 Azure

Tools & Solutions & Cybersecurity

【 Tools 】Ubuntu 環境透過 Systemd 啟動程式

內容學習目標前置準備作業設定並啟動程式測試與驗證學習目標如何在 Ubuntu 電腦中設定開機自動啟動 Python Flask API 程式。前置準備作業一台可用的 Ubuntu 電腦並開啟 HTTP 80 Port。於此台 Ubuntu 電腦中開啟終端機。設定並啟動程式 Step 1. 系統更新請於終端機輸入下方指令 sudo apt-get update Step 2. 安裝 pip 請於終端機輸入下方指令 sudo apt install -y python3-pip Step 3. 安裝 flask 請於終端機輸入下方指令 sudo apt install -y

AIoT & Cloud & Edge & Machine Learning

【 NLP 】使用 Vue 與 Azure OpenAI ChatGPT 建立 AI 問答機器人

內容前置準備作業檔案結構流程建立 Azure OpenAI ChatGPT Push Vue Code 到 GitHub 並設定 Secret API 格式建立 Azure Static Web App 修改 GitHub Action 的 YAML 確認結果前置準備作業已建立 Azure 帳號並能正常登入與使用 https://portal.azure.com/ 已建立 GitHub 帳號並能正常登入與使用 https://github.com/ 已於電腦端安裝 IDE，本範例使用 Visual Studio Code 檔案結構 ├── .github

AIoT & Cloud & Edge & Machine Learning

【 Edge 】Windows 使用 MobaXterm 透過 Serial Port 進行連接

內容學習目標前置準備作業透過 Serial Port 進行連接學習目標如何在 Windows 使用 MobaXterm 透過 Serial Port 連接 Edge。前置準備作業已有一台擁有 Serial Port 的 Edge。已有一台 Windows 電腦。已將 Windows 電腦透過 Serial Port 對裝置進行串接。透過 Serial Port 進行連接 Step 1. 安裝 MobaXterm 下載網址如下： https://mobaxterm.mobatek.net/download.html Step 2. 啟動

AIoT & Cloud & Edge & Machine Learning

【 Edge 】Windows 使用 Putty 透過 Serial Port 進行連接

內容學習目標前置準備作業透過 Serial Port 進行連接學習目標如何在 Windows 使用 Putty 透過 Serial Port 連接 Edge。前置準備作業已有一台擁有 Serial Port 的 Edge。已有一台 Windows 電腦。已將 Windows 電腦透過 Serial Port 對裝置進行串接。透過 Serial Port 進行連接 Step 1. 查看 Windows 電腦上的 Serial Port 號 Step 2. 安裝 Putty 下載網址如下： https:

AIoT & Cloud & Edge & Machine Learning

【 Edge 】macOS 使用 Terminal 透過 Serial Port 進行連接

內容學習目標前置準備作業透過 Serial Port 進行連接學習目標如何在 macOS 透過 Serial Port 連接 Edge。前置準備作業已有一台擁有 Serial Port 的 Edge。已有一台 macOS 電腦。已將 macOS 電腦透過 Serial Port 對裝置進行串接。透過 Serial Port 進行連接 Step 1. 查詢 COM Port 資訊請於終端機輸入下方指令 ls -al /dev/tty.usbserial* Step 2. 安裝 screen

AIoT & Cloud & Edge & Machine Learning

【 Edge 】Ubuntu 透過 Serial Port 進行連接

內容學習目標前置準備作業透過 Serial Port 進行連接學習目標如何在 Ubuntu 透過 Serial Port 連接 Edge。前置準備作業已有一台擁有 Serial Port 的 Edge。已有一台 Ubuntu 電腦。已將 Ubuntu 電腦透過 Serial Port 對裝置進行串接。透過 Serial Port 進行連接 Step 1. 查詢 COM Port 資訊請於終端機輸入下方指令 sudo dmesg | grep tty Step 2. 安裝 screen 套件

AIoT & Cloud & Edge & Machine Learning

【 Container】使用 Buildx 建構多重系統架構的 Docker 映像檔

內容學習目標前置準備作業流程於 ARM CPU 的電腦來建立 Docker Image 並上傳 Image 到 Docker Hub 於 x86 CPU 的 Ubuntu 電腦執行 Docker Image 學習目標如何使用 Buildx 建構多重系統架構的 Docker 映像檔前置準備作業已建立 Docker Hub 帳號並能正常登入 https://hub.docker.com/ 準備一台 ARM CPU 的電腦來建立 Docker Image，本範例使用 Apple MacBook ( M1 Max ) 為例並完成

AIoT & Cloud & Edge & Machine Learning

【 Container 】設定 Docker 時區

內容學習目標前置準備作業 alpine Docker Image 設定時區 Ubuntu Docker Image 設定時區學習目標如何設定 Docker 時區，以 alpine 與 Ubuntu 為例前置準備作業已於電腦端安裝 Docker Engine 已於電腦端安裝 IDE，本範例使用 Visual Studio Code alpine Docker Image 設定時區 Step 1. 請建立 Dockerfile 檔案，其內容如下： Step 2. Build Image 於終端機輸入下方指令： sudo docker build -t alpine-set-timezone:

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】於 Azure Ubuntu VM 安裝 mlflow 與 Jupyter

內容學習目標前置準備作業開啟 Azure Ubuntu VM 的 Port 安裝 mlflow 安裝 PostgreSQL 與設定安裝 Jupyter 與設定測試與驗證學習目標如何在 Azure Ubuntu VM 安裝 mlflow 與 Jupyter 前置準備作業已建立 Azure 帳號並能正常登入已建立 Azure Ubuntu VM 開啟 Azure Ubuntu VM 的 Port Step 1. 開啟 mlflow 所使用的 5000 埠點選左側的 Networking

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】掛載 Storage account Blob 於 Azure Ubuntu VM

內容學習目標前置準備作業取得 Storage accounts 授權資訊掛載 Blob 到 Azure Ubuntu VM 驗證學習目標如何掛載 Storage account Blob 於 Azure Ubuntu VM 前置準備作業已建立 Azure 帳號並能正常登入如何在 Azure Ubuntu VM 掛載 Storage accounts Blob 已建立 Storage account 並已存在檔案在此 Blob 中取得 Storage accounts 授權資訊 Step 1. 取得 Storage account

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】部署 Ghost Blog App 到 Fly.io 雲端平台

內容學習目標前置準備作業專案最終目錄結構部署 Ghost Blog App 到 Fly.io 學習目標如何部署 Ghost Blog App 到 Fly.io 雲端平台前置準備作業已建立 Fly.io 帳號並能正常登入 Fly.io 的網址為 https://fly.io/ 已於電腦端安裝 flyctl https://fly.io/docs/hands-on/install-flyctl/ 專案最終目錄結構 └── ghost-blog-sample └── fly.toml → 執行完 flyctl 指令後會產生部署 Ghost Blog App

AIoT & Cloud & Edge & Machine Learning

【 Tools 】透過 Python 建立 AES-128 ECB 加解密

內容學習目標前置準備作業安裝套件 Encrypt 加密 Decrypt 解密學習目標如何透過 Python 建立 AES-128 ECB 加解密前置準備作業已於電腦端安裝 Python 已於電腦端安裝 IDE，本範例使用 Visual Studio Code 安裝套件請在終端機輸入下方指令pip install pycryptodome Encrypt 加密 Step 1. 建立名為 doEncrypt.py 的程式，其內容如下 Step 2. 執行程式請在終端機輸入下方指令 python doEncrypt.py Step 3. 在相對路徑下會產生 sample-encrypt-Python.txt 開啟

AIoT & Cloud & Edge & Machine Learning

【 Edge 】於 NVIDIA® Jetson AGX Xavier™ 安裝 Google MediaPipe 0.8.9 與 TensorFlow 2.5.0 版本

內容學習目標前置準備作業實驗環境安裝所需套件安裝 Python 相依套件安裝 TensorFlow 2.5.0 安裝 MediaPipe 0.8.9 確認版本學習目標如何在 NVIDIA ® Jetson AGX Xavier™ 安裝 Google MediaPipe 0.8.9 與 TensorFlow 2.5.0 版本 https://google.github.io/mediapipe/ https://github.com/google/mediapipe/ 前置準備作業可上網的 NVIDIA

AIoT & Cloud & Edge & Machine Learning

【 Edge 】備份與還原 NVIDIA® Jetson AGX Xavier™

內容學習目標前置準備作業備份 - Backup Image 還原 - Restore Image 學習目標如何備份與還原 NVIDIA® Jetson AGX Xavier™ 前置準備作業已準備一台 Host Ubuntu 電腦已準備一台要備份的 NVIDIA® Jetson AGX Xavier™ 已準備一台要還原的 NVIDIA® Jetson AGX Xavier™ 備份 - Backup Image Step 1. 切換路徑在 Host Ubuntu 電腦的終端機輸入下方指令 cd ~/nvidia/nvidia_sdk/JetPack_4.6_

Tools & Solutions & Cybersecurity

【 Solutions 】解決 ImportError: libGL.so.1: cannot open shared object file: No such file or directory 問題

問題執行 cv2 時出現下方錯誤訊息 Traceback (most recent call last): File "app.py", line 35, in <module> from deepface import DeepFace File "/usr/local/lib/python3.8/site-packages/deepface/DeepFace.py", line 15, in <module> from deepface.basemodels import VGGFace, OpenFace, Facenet, Facenet512,

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】透過 Azure Kubernetes Service 將 Azure IoT Hub 所接收到的數據存入 Azure Digital Twins 再透過 Azure Event Hub 將警示資訊傳送到 Azure Indoor Map

學習目標如何透過 Azure Kubernetes Service 將 Azure IoT Hub 所接收到的數據存入 Azure Digital Twins 再透過 Azure Event Hub 將警示資訊傳送到 Azure Indoor Map。前置準備作業已建立 Azure 帳號並能正常登入與使用。已於電腦端安裝 IDE，本範例使用 Visual Studio Code 已於電腦端安裝 Node.js 已於電腦端安裝 Docker Engine https://docs.docker.com/engine/install/ 已於電腦端安裝 Azure CLI https://docs.microsoft.com/

AIoT & Cloud & Edge & Machine Learning

【 Cloud 】在 Azure VM 安裝與執行 Kali Linux Container

內容學習目標前置準備作業使用帳號與密碼登入到 Azure VM 安裝 Docker 安裝 Kali Linux 學習目標如何在 Azure VM 安裝與執行 Kali Linux Container 前置準備作業已建立 Azure 帳號並能正常登入已建立完成 Azure Ubuntu Server 20.04 LTS VM 使用帳號與密碼登入到 Azure VM Windows 用戶請參考 https://learningsky.io/cloud-remote-login-azure-vm-ubuntu-windows/ macOS 用戶請參考 https://learningsky.io/cloud-remote-login-azure-vm-ubuntu-macos/ 安裝 Docker Step 1.

Tools & Solutions & Cybersecurity

【 Tool 】透過 Docker 建立 React 開發環境

內容學習目標前置準備作業建置開發環境測試與驗證學習目標如何透過 Docker 建立 React 開發環境前置準備作業本地端電腦已安裝 Docker 與 Docker Compose 建置開發環境 Step 1. 下載 Node.js 版的 Docker Image 請在終端機輸入下方指令 docker pull node:14.18-alpine3.15 請在終端機輸入下方指令以確認所下載的 Docker Image docker images Step 2. 建立 Dockerfile 與 app 資料夾請在專案目錄建立名為 Dockerfile 的檔案並輸入下方資訊在 Dockerfile

Tools & Solutions & Cybersecurity

【 Tool 】透過 Docker 建立 Vue 開發環境

內容學習目標前置準備作業建置開發環境測試與驗證學習目標如何在本地端電腦透過 Docker 建立 Vue 開發環境前置準備作業本地端電腦已安裝 Docker 建置開發環境 Step 1. 下載 Node.js 版的 Docker Image 請在終端機輸入下方指令 docker pull node:14.18.2-buster 請在終端機輸入下方指令以確認所下載的 Docker Image docker images Step 2. 建立 Dockerfile 與 src 資料夾請在專案目錄建立名為 Dockerfile 的檔案並輸入下方資訊在 Dockerfile 所有位置建立名為 src 的資料夾

AIoT & Cloud & Edge & Machine Learning

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Feature State REST API 列出與刪除 Stateset

內容學習目標前置準備作業透過 Web 與 Feature State REST API 列出與刪除 Stateset 學習目標如何透過 Web 與 Feature State REST API 列出與刪除 Stateset 前置準備作業已建立 Azure 帳號並能正常登入與使用。已於 Azure 建立 Azure Maps Account，其 Location 為 East US。已於電腦端安裝瀏覽器，本範例使用 Google Chrome。已取得 Dataset ID，如未取得請參考 https://learningsky.io/use-web-ui-creator-rest-api-to-create-indoor-map-azure-indoor-map-tools/ 透過