Tagged

Tools & Solutions & Cybersecurity

A collection of 82 posts

【 Tools 】Ubuntu 環境透過 Systemd 啟動程式
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

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

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

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

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

【 Edge 】Ubuntu 透過 Serial Port 進行連接
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

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

【 Container 】設定 Docker 時區
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:

【 Cloud 】於 Azure Ubuntu VM 安裝 mlflow 與 Jupyter
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

【 Cloud 】掛載 Storage account Blob 於 Azure Ubuntu VM
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

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

【 Tools 】透過 Python 建立 AES-128 ECB 加解密
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

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

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

【 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
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/

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

【 Tool 】透過 Docker 建立 React 開發環境
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

【 Tool 】透過 Docker 建立 Vue 開發環境
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

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

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Tileset REST API 列出與刪除 Tileset
AIoT & Cloud & Edge & Machine Learning

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

內容 學習目標 前置準備作業 透過 Web 與 Tileset REST API 列出與刪除 Tileset 學習目標 如何透過 Web 與 Tileset REST API 列出與刪除 Tileset 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 Tileset 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 Web 與

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Dataset REST API 列出與刪除 Dataset
AIoT & Cloud & Edge & Machine Learning

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

內容 學習目標 前置準備作業 透過 Web 與 Dataset REST API 列出與刪除 Dataset 學習目標 如何透過 Web 與 Dataset REST API 列出與刪除 Dataset 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 Web 與

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Conversion REST API 列出與刪除 Conversion
AIoT & Cloud & Edge & Machine Learning

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

內容 學習目標 前置準備作業 透過 Web 與 Conversion REST API 列出與刪除 Conversion 學習目標 如何透過 Web 與 Conversion REST API 列出與刪除 Conversion 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 Conversion 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 Web 與

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Azure Maps Indoor Maps module 顯示室內地圖與狀態
AIoT & Cloud & Edge & Machine Learning

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Azure Maps Indoor Maps module 顯示室內地圖與狀態

內容 學習目標 前置準備作業 透過 Web 與 Azure Maps Indoor Maps module 顯示室內地圖與狀態 學習目標 如何透過 Web 與 Azure Maps Indoor Maps module 顯示室內地圖與狀態 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 Tileset 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/ 已取得

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Feature State REST API 更新 Stateset
AIoT & Cloud & Edge & Machine Learning

【 Tool 】Azure Indoor Map Tools - 透過 Web 與 Feature State REST API 更新 Stateset

內容 學習目標 前置準備作業 透過 Web 與 Feature State REST API 更新 Stateset 學習目標 如何透過 Web 與 Feature State REST API 更新 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 Stateset ID,如未取得請參考 https://learningsky.io/use-web-ui-feature-stateset-rest-api-to-create-stateset-azure-indoor-map-tools/ 透過